院况简介
北京前沿科学技术研究院（简称“北前科学院”）成立于2016年9月，北前科学院，是由北京中科光析科学技术研究所，北检（北检）检测技术研究院，标检（北京）质量检测中心等科研单位，组建成立的独立科学科研机构，致力于前沿科学领域的研究与创新人才培养，科学技术转移孵化等，世界前沿新科学普及传播。 更多简介 +
院领导集体
前沿信息
基础科学
工程科技
四年前，加州大学圣塔克鲁兹分校的JasonEshraghi开发了一个Python库，该库将神经科学与人工智能相结合，以创建尖峰神经网络，这是一种从大脑有效处理数据的能力中汲取灵感的中国学习方法现在，他的开源代码库，名为“snnTorch”，已经通过了100000次下载，并被用于各种各样的项目，从NASAsatellickingeffort到半导体公司的人工智能芯片
一篇文章发表在《IEEE文献汇编》的期刊上，同时也被认为是研究人员和任何其他程序的教育资源，旨在学习大脑启发的人工智能
“这很令人兴奋，因为它表明人们对大脑很感兴趣，而且人们已经发现，与大脑相比，神经网络的效率确实很低，”电气和计算机工程的资深专家Eshraghian说“人们清楚地意识到了网络和大型语言管理模式对环境的影响[强大的动力需求]，这似乎是一个合理的前进方向。”
建筑nnTorch
尖峰神经网络会使大脑和生物系统更有效地处理信息大脑的神经一直在呼吸，直到形成了一段启动过程的信息，这导致神经活动停止类似地，想要的神经网络只在数据输入系统时才开始处理数据，而不是像传统的神经网络一样持续处理数据
Eshraghiansaid：“我们希望获得雨水的所有好处和它的能效，并将它们推向更大的智能功能——从而将其带到另一个世界。”Eshraghian在大流行期间，作为一个传递项目，在Python中构建了一个分布式神经网络，这是他自己使用Python编码语言的一种方法作为一名经过培训的芯片设计人员，当他考虑到可以通过共同设计软件和硬件来优化计算芯片以提高功率效率，以确保它们能够相互补充时，他会认真学习编码
现在，snnTorce正由大量的程序围绕着世界各地的各种项目提供支持，支持来自美国国家航空航天局卫星发射项目的所有内容，以及Graphcore等软件设计人员
在建立Python图书馆的过程中，Eshraghi创建了专门的文档和教育材料，这些材料自然地加快了使用编码语言进行机器学习的过程这些文档、教程和交互式编辑笔记簿在社区中被广泛使用，并成为尝试对神经形态工程和神经网络挖掘主题进行深入了解的第一点，这是该图书馆大受欢迎的主要原因之一
Anhonestresource
知道这些教育材料对日益壮大的计算机科学家群体和对该领域感兴趣的人来说是非常有价值的，Eshraghian将他的扩展性文件汇编成了一个文件，该文件现已发表在IEEE的过程中，这是一本著名的计算机杂志
这篇论文是与神经网络或代码库相结合的，其结构像是一个整体，但没有具体化，讨论了受大脑启发的深度学习研究的不确定性，并对该领域的未来提供了展望Eshraghians认为，这本书要让读者注意到，非形态计算的领域正在被纳入并解决，以避免学生试图找到模型决策的理论基础，从而使学术界无法理解
Eshraghians说：“这篇论文很重要，因为学生们值得注意。”“我们在深入学习中有很多东西，但我们只是不知道它们是怎么回事。很多时候，我们想有意识地说明我们做了什么，我们发表了这些东西，因为我们没有经过一系列严格的实验，但现在我们只是：这是最有效的，我们不知道为什么。”这张纸包含一块代码，通常是典型的手稿这些生态区块链在一定程度上与某些领域可能无法解决的支出相结合，但提供了研究人员认为某些方法可能成功的见解Eshraghians表示，他在社区中对这种方法有着积极的感受，甚至被告知在神经形态硬件初创公司的入职材料中使用了这种药物
他说：“我不想让我的搜索通过我所经历的同样痛苦来帮助人们。”
从培训中学习并了解培训
这篇论文提供了一个前瞻性的观点，即该领域的研究如何克服由行为引发的降雨启发的深度学习的一些局限性，即总体而言，我们对降雨功能和信息处理的理解是有限的
Eshraghians说，对于AI研究人员来说，为了在他们的深度学习模型中获得更多类似大脑的学习机制，他们需要确定深度学习与生物学之间的相关性和差异其中一个关键的区别是，大脑可以“监测他们在AI模型扫描中输入的所有数据”，并稳定地关注来自通道的实时数据，这可以为提高能效提供机会 Eshraghians说：“大脑不是时间机器，它们不能后退——所有的记忆都会随着你对世界的体验而向前释放，所以训练和处理会重新结合在一起。”“想象一下，我们可以实时应用学习。”在神经科学的基础概念中，另一种扩展的治疗方法是将两个神经元连接在一起的状态稀疏地连接在一起——这意味着当两个神经元同时触发信号时，两个神经元之间的通路就会加强然而，大脑在大范围内学习的方式仍然很神秘
“火力全开，互相连接”的概念是一种传统的分析，即对深度学习的模型训练方法的支持，但Eshraghians认为这些过程是互补的，打开了对该领域的探索
Eshraghians还通过与大脑有机物（由干细胞生长的大脑组织的模型）合作来了解大脑如何处理信息他目前正在与加州大学旧金山分校基因组研究所的生物分子工程研究人员合作，研究利用类器官模型的螯合作用这是独一无二的
来源:
Materials provided by
University of California - Santa Cruz. Original written by Emily Cerf.
注明: Content may be edited for style and length.
参考:
2024-01-20
2024-01-20
2024-01-20
2024-01-20
2024-01-20
