ニューロモルフィック・エンジニアリング

出典しゅってん: フリー百科ひゃっか事典じてん『ウィキペディア（Wikipedia）』

ニューロモルフィック・エンジニアリング（英えい: neuromorphic engineering、神経しんけい模倣もほう工学こうがく）またはニューロモルフィック・コンピューティング（英えい: neuromorphic computing）とは[1][2][3]、1980年代ねんだい後半こうはんにカーバー・ミードが提唱ていしょうした概念がいねんで[4]、神経しんけい系けいに存在そんざいする神経しんけい生物せいぶつ学がく的てきなアーキテクチャを模倣もほうする電子でんしアナログ回路かいろを搭載とうさいした超ちょう大だい規模きぼ集積しゅうせき（VLSI）システムの使用しようを意味いみしている[5][6]。近年きんねん、ニューロモルフィックという言葉ことばは、神経しんけい系けいのモデル（知覚ちかく、運動うんどう制御せいぎょ（英語えいご版ばん）、多た感覚かんかく統合とうごう（英語えいご版ばん）など）を実装じっそうしたアナログ、デジタル、アナログ/デジタル混載こんさいVLSI、およびソフトウェアシステムを指さす言葉ことばとして使つかわれている。ニューロモルフィック・コンピューティングのハードウェアレベルでの実装じっそうは、酸化さんか物ぶつ系けいメモリスタ[7]、スピントロニクスメモリ、しきい値ちスイッチ、およびトランジスタなどによって実現じつげんできる[8][6]。

ニューロモルフィック・エンジニアリングの重要じゅうような側面そくめんは、個々ここのニューロン、回路かいろ、アプリケーション、および全体ぜんたい的てきなアーキテクチャの形態けいたいがどのように望のぞましい計算けいさんを生うみ出だし、情報じょうほうの表現ひょうげん方法ほうほうに影響えいきょうを及およぼし、損傷そんしょうに対たいする堅牢けんろう性せいに影響えいきょうを与あたえ、学習がくしゅうと発達はったつを組くみ込こみ、局所きょくしょ的てきな変化へんか（可塑かそ性せい）に適応てきおうし、進化しんか的てきな変化へんかを促進そくしんするかを理解りかいすることである。

ニューロモルフィック・エンジニアリングは、生物せいぶつ学がく、物理ぶつり学がく、数学すうがく、コンピュータサイエンス、電子でんし工学こうがく[6]から着想ちゃくそうを得えて、視覚しかくシステム、ヘッドアイシステム、聴覚ちょうかくプロセッサ、自律じりつ型がたロボットなどの人工じんこう的てきな神経しんけい系けいを設計せっけいする学際がくさい的てきなテーマであり、その物理ぶつり的てきなアーキテクチャや設計せっけい原理げんりは、生物せいぶつの神経しんけい系けいの原理げんりに基もとづいている[9]。

事例じれい[編集へんしゅう]

2006年ねんには、ジョージア工科こうか大学だいがくの研究けんきゅう者しゃが、フィールドプログラマブルニューラルアレイを発表はっぴょうした[10]。このチップは、脳のう内ないの神経しんけい細胞さいぼうのチャネル・イオン特性とくせいをモデル化かするために、MOSFETゲート上じょうの電荷でんかをプログラムできるようにした、ますます複雑ふくざつになるフローティングゲート・トランジスタのアレイの最初さいしょのものであり、シリコンでプログラム可能かのうな神経しんけい細胞さいぼうアレイの最初さいしょの事例じれいの1つであった。

2011年ねん11月、MITの研究けんきゅう者しゃグループは、400個このトランジスタと標準ひょうじゅん的てきなCMOS製造せいぞう技術ぎじゅつを使用しようして、2つのニューロン間あいだのシナプスにおけるアナログのイオンベースの通信つうしんを模倣もほうするコンピュータチップを作成さくせいした[11][12]。

2012年ねん6月がつ、パデュー大学だいがくのスピントロニクス研究けんきゅう者しゃは、横型よこがたスピンバルブ（英語えいご版ばん）とメモリスタを使用しようしたニューロ・モルフィック・チップの設計せっけいに関かんする論文ろんぶんを発表はっぴょうした。彼かれらは、このアーキテクチャがニューロンと同様どうように機能きのうするため、脳のうの処理しょりを再現さいげんする方法ほうほうの検証けんしょうに利用りようできると主張しゅちょうしている。さらに、これらのチップは従来じゅうらいのチップに比くらべて大幅おおはばにエネルギー効率こうりつが向上こうじょうしている[13]。

HP研究所けんきゅうじょ（英語えいご版ばん）で行おこなわれたモット・メモリスタ（Mott memristor）の研究けんきゅうでは、モット・メモリスタは不ふ揮発きはつ性せいであるが、相あい転移てんい温度おんどを大幅おおはばに下回したまわる温度おんどでは揮発きはつ性せいの挙動きょどうを示しめすことが明あきらかになり[14]、ニューロンの挙動きょどうを模倣もほうした生物せいぶつ学がく的てきな着想ちゃくそうによるデバイスであるニューリスタの製造せいぞうに利用りようできることが示しめされた[14]。2013年ねん9月がつには、彼かれらは、これらのニューリスタのスパイク動作どうさを利用りようして、チューリングマシンに必要ひつようなコンポーネントを形成けいせいする方法ほうほうを示しめすモデルとシミュレーションを発表はっぴょうした[15]。

スタンフォード大学だいがくのBrains in Siliconが開発かいはつしたNeurogrid（英語えいご版ばん）は[16]、ニューロモルフィック・エンジニアリングの原理げんりを使用しようして設計せっけいされたハードウェアの例れいである。回路かいろ基板きばんは、NeuroCoresと呼よばれる16個このカスタム設計せっけいされたチップで構成こうせいされている。NeuroCoreの各かくアナログ回路かいろは、65,536ニューロンの神経しんけい素子そしをエミュレートするように設計せっけいされており、エネルギー効率こうりつを最大さいだい化かする。エミュレートされたニューロンは、スパイクスループットを最大さいだい化かするように設計せっけいされたデジタル回路かいろを使用しようして接続せつぞくされる[17][18]。

ニューロモルフィック・エンジニアリングに影響えいきょうを与あたえる研究けんきゅうプロジェクトとして、生物せいぶつ学がく的てきデータを使用しようして完全かんぜんな人間にんげんの脳のうをスーパーコンピュータでシミュレートしようとするヒューマン・ブレイン・プロジェクト（英語えいご版ばん）がある。これは、神経しんけい科学かがく、医学いがく、コンピューティングの研究けんきゅう者しゃグループで構成こうせいされている[19]。このプロジェクトの共同きょうどうディレクターであるヘンリー・マークラム（Henry Markram）は、このプロジェクトは、脳のうとその病気びょうきを探求たんきゅうし理解りかいするための基盤きばんを確立かくりつし、その知識ちしきを使つかって新あたらしいコンピューティング技術ぎじゅつを構築こうちくすることを提案ていあんしていると述のべている。このプロジェクトの3つの主要しゅような目標もくひょうは、脳のうの各かく部分ぶぶんがどのように適合てきごうして連携れんけいするのかをよりよく理解りかいし、脳のうの病気びょうきを客観きゃっかん的てきに診断しんだんおよび治療ちりょうする方法ほうほうを理解りかいし、そして人間にんげんの脳のうの理解りかいをニューロモルフィック・コンピューターの開発かいはつに役立やくだてることである。人間にんげんの脳のうを完全かんぜんにシミュレートするには、現在げんざいの1,000倍ばいの性能せいのうを持もつスーパーコンピューターが必要ひつようになると言いわれており、ニューロモルフィック・コンピュータは注目ちゅうもくを集あつめている[20]。このプロジェクトには、欧州おうしゅう委員いいん会かい（EC）から13億おくドルが割わり当あてられた[21]。

ニューロモルフィック・エンジニアリングに影響えいきょうを与あたえる他ほかの研究けんきゅうとして、ブレイン・イニシアチブ[22]やIBMのTrueNorthがある[23]。また、ナノクリスタル、ナノワイヤー、導電性どうでんせいポリマーを使用しようしたニューロモルフィック・デバイスも実証じっしょうされている[24]。

インテルは、2017年ねん10月がつにLoihiと呼よばれるニューロモルフィック研究けんきゅうチップを発表はっぴょうした。このチップでは、非同期ひどうきスパイキングニューラルネットワーク（SNN）を使用しようして、適応てきおう型がたの自己じこ書換かきかえイベント駆動くどう型がたの細ほそ粒つぶ度ど並列へいれつ計算けいさんを実装じっそうし、学習がくしゅうや推論すいろんを高こう効率こうりつで行おこなうことができる[25][26]。

ベルギーに本拠ほんきょを置おくナノエレクトロニクス研究けんきゅうセンターであるIMECは、世界せかい初はつの自己じこ学習がくしゅう型がたニューロモルフィック・チップを実証じっしょうした。OxRAMテクノロジーに基もとづく脳のうに着想ちゃくそうを得えたチップは、自己じこ学習がくしゅう能力のうりょくを備そなえ、作曲さっきょく能力のうりょくがあることが実証じっしょうされている[27]。IMECは、この試作しさく品ひんで作曲さっきょくされた3秒びょうの曲きょくを公開こうかいした。このチップには、同おなじ拍子ひょうしとスタイルの曲きょくが順番じゅんばんにロードされた。曲きょくはベルギーやフランスのフルートの古ふるいメヌエットで、チップはそこから演奏えんそうのルールを学まなび、それを適用てきようした[28]。

倫理りんり的てき配慮はいりょ[編集へんしゅう]

ニューロモルフィック・エンジニアリングの学際がくさい的てきな概念がいねんは比較的ひかくてき新あたらしいものであるが、ニューロモルフィック・システムには、人間にんげん的てき機械きかいや人工じんこう知能ちのう一般いっぱんに適用てきようされるものと同おなじ倫理りんり的てき配慮はいりょの多おおくが適用てきようされる。しかし、ニューロモルフィック・システムが人間にんげんの脳のうを模倣もほうして設計せっけいされているという事実じじつは、それらの利用りよう法ほうを取とりまく独特どくとくの倫理りんり的てき問題もんだいを引ひき起おこす。

しかし、実際じっさいの議論ぎろんは、ニューロモルフィック・ハードウェアや人工じんこうニューラルネットワークが脳のうの動作どうさや情報処理じょうほうしょりの方法ほうほうを非常ひじょうに単純たんじゅん化かしたモデルであり、サイズや機能きのう的てき技術ぎじゅつの点てんではるかに低ひくい複雑ふくざつさで、接続せつぞく性せいの点てんでははるかに規則きそく的てきな構造こうぞうを持もつことにある。ニューロモルフィック・チップを脳のうと比較ひかくすることは、翼つばさと尾おがあるという理由りゆうだけで飛行機ひこうきと鳥とりを比較ひかくするのと同様どうようの、非常ひじょうに大おおざっぱな比較ひかくである。事実じじつ、神経しんけい認知にんち系けいは、現在げんざいの最先端さいせんたんの人工じんこう知能ちのうよりも何なん桁けたもエネルギー効率こうりつや計算けいさん効率こうりつが高たかく、多おおくのエンジニアリングデザインが生物せいぶつ模倣もほうの特徴とくちょうを持もつように、ニューロモルフィック・エンジニアリングは、脳のうのメカニズムから着想ちゃくそうを得えて、このギャップを縮ちぢめようとする試こころみである。

民主みんしゅ的てきな懸念けねん[編集へんしゅう]

世間せけん一般いっぱんの認識にんしきにより、ニューロモルフィック・エンジニアリングに、大おおきな倫理りんり的てき制限せいげんが課かせられる可能かのう性せいがある[29]。特別とくべつユーロバロメーター（英語えいご版ばん）382： 欧州おうしゅう委員いいん会かいが実施じっしした調査ちょうさ「ロボットに対たいする一般いっぱん市民しみんの姿勢しせい」では、欧州おうしゅう連合れんごう（EU）の市民しみんの60％が、子こどもや高齢こうれい者しゃ、障害しょうがい者しゃの世話せわをするロボットの禁止きんしを望のぞんでいることがわかった。さらに、教育きょういく分野ぶんやでのロボット禁止きんしに賛成さんせいする人ひとが34％、医療いりょう分野ぶんやで27％、レジャー分野ぶんやで20％であった。欧州おうしゅう委員いいん会かいは、これらの分野ぶんやを特とくに 「人間にんげん的てき」（human）であると分類ぶんるいしている。この報告ほうこく書しょでは、人間にんげんの機能きのうを模倣もほうまたは再現さいげんできるロボットに対たいする社会しゃかい的てきな関心かんしんの高たかまりを言及げんきゅうしている。ニューロモルフィック・エンジニアリングは定義ていぎ上じょう、人間にんげんの機能きのう、つまり人間にんげんの脳のうの機能きのうを再現さいげんするように設計せっけいされている[30]。

ニューロモルフィック・エンジニアリングを取とりまく民主みんしゅ的てきな懸念けねんは、将来しょうらいさらに深ふかまっていく可能かのう性せいがある。欧州おうしゅう委員いいん会かいの調査ちょうさによると、15歳さいから24歳さいまでのEU市民しみんは、55歳さい以上いじょうのEU市民しみんよりもロボットを（楽器がっきのようなものではなく）人間にんげん的てきと考かんがえる傾向けいこうがあることが分わかった。人間にんげん的てきと定義ていぎされたロボットのイメージを提示ていじしたとき、15〜24歳さいのEU市民しみんの75％は、ロボットについての考かんがえと一致いっちすると答こたえたが、55歳さい以上いじょうのEU市民しみんでは57％しか一致いっちしなかった。ニューロモルフィック・システムは人間にんげん的てきな性質せいしつを持もっているため、EU市民しみんの多おおくが将来しょうらい的てきに禁止きんしされることを望のぞんでいるロボットのカテゴリーにそれらを位置付いちづける可能かのう性せいがある[30]。

人格じんかく性せい[編集へんしゅう]

ニューロモルフィック・システムの進化しんかに伴ともない、これらのシステムに人格じんかく（英えい: personhood (英語えいご版ばん) ）権けんを認みとめるべきだと主張しゅちょうする学者がくしゃもいる。脳のうが人間にんげんに人格じんかくを与あたえるものであるならば、ニューロモルフィック・システムはどの程度ていどまで人間にんげんの脳のうを模倣もほうしなければ人格じんかく権けんが認みとめられないのか？脳のうを利用りようしたコンピューティングの進歩しんぽを目指めざすヒューマン・ブレイン・プロジェクト（英語えいご版ばん）の技術ぎじゅつ開発かいはつの批評ひひょう家かは、ニューロモルフィック・コンピューティングの進歩しんぽが機械きかいの意識いしきや人格じんかく性せいにつながる可能かのう性せいがあると主張しゅちょうしている[31]。批評ひひょう家かは、もしこれらのシステムが人間にんげんとして扱あつかわれるのであれば、人間にんげんがニューロモルフィック・システムを使つかって行おこなう多おおくの作業さぎょうは（ニューロモルフィック・システムの中止ちゅうし行為こういを含ふくめ）ニューロモルフィック・システムの自律じりつ性せいを侵害しんがいするとして、道徳どうとく的てきに許ゆるされないのではないかと主張しゅちょうしている[32]。

両用りょうよう（軍事ぐんじ用途ようと）[編集へんしゅう]

米べい軍ぐんの一いち部門ぶもんであるJoint Artificial Intelligence Centerは、戦闘せんとう用ようの人工じんこう知能ちのうソフトウェアやニューロモルフィック・ハードウェアの調達ちょうたつと導入どうにゅうを専門せんもんとするセンターである。具体ぐたい的てきな用途ようととしてスマートヘッドセットやゴーグル、ロボットが挙あげられる。JAICは、ニューロモルフィック技術ぎじゅつを多用たようして、「すべての戦闘せんとう機き、すべての射撃しゃげき手しゅ」をニューロモルフィック対応たいおう部隊ぶたいのネットワーク内ないでつなぐことを考かんがえている。

法的ほうてき考慮こうりょ事項じこう[編集へんしゅう]

懐疑かいぎ派はは、電子でんし的てき人間にんげん的てき、つまりニューロモルフィック技術ぎじゅつに適用てきようされる人間にんげん性せいの概念がいねんを法的ほうてきに適用てきようする方法ほうほうはないと主張しゅちょうしている。「スマートロボット」を合法ごうほう的てきな人物じんぶつとして認みとめるという欧州おうしゅう委員いいん会かいの提案ていあんに反対はんたいする法律ほうりつ学がく、ロボット工学こうがく、医学いがく、倫理りんり学がくの専門せんもん家か285名めいが署名しょめいした書簡しょかんで、著者ちょしゃは次つぎのように述のべている。「ロボットの法的ほうてき地位ちいは、自然人しぜんじんモデルに由来ゆらいするものではない。なぜなら、ロボットは、尊厳そんげんの権利けんり、完全かんぜん性せいの権利けんり、報酬ほうしゅうの権利けんり、市民しみん権けんの権利けんりなどの人権じんけんを保有ほゆうすることになり、人権じんけんと直接ちょくせつ対決たいけつすることになる。これは、欧州おうしゅう連合れんごう基本きほん権けん憲章けんしょうおよび人権じんけんと基本きほん的てき自由じゆうの保護ほごのための条約じょうやくに反はんするものである[33]。」

所有しょゆう権けんと財産ざいさん権けん[編集へんしゅう]

財産ざいさん権けんと人工じんこう知能ちのうをめぐっては、重要じゅうような法的ほうてき議論ぎろんがある。Acohs Pty Ltd v. Ucorp Pty Ltdにおいて、オーストラリア連邦れんぽう裁判所さいばんしょ（英語えいご版ばん）のクリストファー・ジェサップ判事はんじは、製品せいひん安全あんぜんデータシートのソースコードは、人間にんげんが作成さくせいしたものではなく、ソフトウェア・インターフェイスによって生成せいせいされたものであるため、著作ちょさく権けん（英語えいご版ばん）を主張しゅちょうすることはできないとした[34]。同おなじ問題もんだいがニューロモルフィック・システムにも当あてはまる可能かのう性せいがある。ニューロモルフィック・システムが人間にんげんの脳のうをうまく模倣もほうし、オリジナルの作品さくひんを生うみ出だした場合ばあい、誰だれがその作品さくひんの所有しょゆう権けんを主張しゅちょうできるのだろうか？

ニューロメモリスタ・システム[編集へんしゅう]

ニューロメモリスタ・システム（neuromemristive systems）は、神経しんけい可塑かそ性せい（英語えいご版ばん）を実現じつげんするためにメモリスタの使用しように焦点しょうてんを当あてた、ニューロモルフィック・コンピューティングシステムのサブクラスである。ニューロモルフィック・エンジニアリングが生物せいぶつ学がく的てき行動こうどうの模倣もほうに焦点しょうてんを合あわせているのに対たいし、ニューロメモリスタ・システムは抽象ちゅうしょう化かに焦点しょうてんを合あわせている[35]。たとえば、ニューロメモリスタ・システムは、大脳皮質だいのうひしつ微小びしょう回路かいろの動作どうさの詳細しょうさいを、抽象ちゅうしょう的てきなニューラルネットワークモデルに置おき換かえることができる[36]。

ニューロンにヒントを得えた、しきい値ち論理ろんり関数かんすう[37]のメモリスタによる実装じっそうがいくつか存在そんざいし、高こうレベルのパターン認識にんしきアプリケーション[38]に応用おうようされている。最近さいきん報告ほうこくされた応おう用例ようれいでは、音声おんせい認識にんしき[39]、顔かお認識にんしき[40]、物体ぶったい認識にんしきなどがある。また、従来じゅうらいのデジタル論理ろんりゲートを置おき換かえる用途ようともある[41][42]。

理想りそう的てきな受動じゅどうメモリスタ回路かいろでは、回路かいろの内部ないぶメモリに関かんする正確せいかくな方程式ほうていしき（Caravelli-Traversa-Di Ventra方程式ほうていしき）がある[43]。

物理ぶつり的てきメモリスタネットワークの特性とくせいと外部がいぶソースの関数かんすうとして表あらわすことができる。上うえの式しきで、は「忘却ぼうきゃく」時じのスケール定数ていすう、とは、メモリスタの限界げんかい抵抗ていこうのオフ値ちとオン値ちの比ひ、は回路かいろのソースのベクトル、は回路かいろの基本きほんループの投影とうえい線せんである。定数ていすうは、電圧でんあつの次元じげんを持もち、メモリスタの特性とくせいに関連かんれんしている。その物理ぶつり的てきな起源きげんは、導体どうたい内ないの電荷でんか移動いどう度どである。対たい角かく行列ぎょうれつとベクトルとはそれぞれメモリスタの内部ないぶ値ちであり、0から1の間あいだの値ねを持もつ。したがって、この式しきでは、信頼しんらい性せいを高たかめるためにメモリ値ちに追加ついかの制約せいやくを加くわえる必要ひつようがある。

関連かんれん項目こうもく[編集へんしゅう]

脚注きゃくちゅう[編集へんしゅう]

  1. ^ Monroe, D. (2014). “Neuromorphic computing gets ready for the (really) big time”. Communications of the ACM 57 (6): 13–15. doi:10.1145/2601069. 
  2. ^ Zhao, W. S.; Agnus, G.; Derycke, V.; Filoramo, A.; Bourgoin, J. -P.; Gamrat, C. (2010). “Nanotube devices based crossbar architecture: Toward neuromorphic computing”. Nanotechnology 21 (17): 175202. Bibcode: 2010Nanot..21q5202Z. doi:10.1088/0957-4484/21/17/175202. PMID 20368686. https://zenodo.org/record/3428659. 
  3. ^ The Human Brain Project SP 9: Neuromorphic Computing Platform - YouTube
  4. ^ “carver mead website”. carvermead. 2021年ねん4月がつ10日とおか閲覧えつらん。
  5. ^ Mead, Carver (1990). “Neuromorphic electronic systems”. Proceedings of the IEEE 78 (10): 1629–1636. doi:10.1109/5.58356. https://authors.library.caltech.edu/53090/1/00058356.pdf. 
  6. ^ a b c Neuromorphic Circuits With Neural Modulation Enhancing the Information Content of Neural Signaling | International Conference on Neuromorphic Systems 2020 (Report) (英語えいご). doi:10.1145/3407197.3407204. S2CID 220794387。
  7. ^ Maan, A. K.; Jayadevi, D. A.; James, A. P. (2016-01-01). “A Survey of Memristive Threshold Logic Circuits”. IEEE Transactions on Neural Networks and Learning Systems PP (99): 1734–1746. arXiv:1604.07121. Bibcode: 2016arXiv160407121M. doi:10.1109/TNNLS.2016.2547842. ISSN 2162-237X. PMID 27164608. 
  8. ^ Zhou, You; Ramanathan, S. (2015-08-01). “Mott Memory and Neuromorphic Devices”. Proceedings of the IEEE 103 (8): 1289–1310. doi:10.1109/JPROC.2015.2431914. ISSN 0018-9219. https://zenodo.org/record/895565. 
  9. ^ Boddhu, S. K.; Gallagher, J. C. (2012). “Qualitative Functional Decomposition Analysis of Evolved Neuromorphic Flight Controllers”. Applied Computational Intelligence and Soft Computing 2012: 1–21. doi:10.1155/2012/705483. 
  10. ^ Farquhar, Ethan; Hasler, Paul. (May 2006). A field programmable neural array. 4114–4117. doi:10.1109/ISCAS.2006.1693534. ISBN 978-0-7803-9389-9 
  11. ^ “MIT creates "brain chip"”. 2012年ねん12月4日にち閲覧えつらん。
  12. ^ Poon, Chi-Sang; Zhou, Kuan (2011). “Neuromorphic silicon neurons and large-scale neural networks: challenges and opportunities”. Frontiers in Neuroscience 5: 108. doi:10.3389/fnins.2011.00108. PMC 3181466. PMID 21991244. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3181466/. 
  13. ^ Sharad, Mrigank; Augustine, Charles; Panagopoulos, Georgios; Roy, Kaushik (2012). "Proposal For Neuromorphic Hardware Using Spin Devices". arXiv:1206.3227 [cond-mat.dis-nn]。
  14. ^ a b Pickett, M. D.; Medeiros-Ribeiro, G.; Williams, R. S. (2012). “A scalable neuristor built with Mott memristors”. Nature Materials 12 (2): 114–7. Bibcode: 2013NatMa..12..114P. doi:10.1038/nmat3510. PMID 23241533. https://semanticscholar.org/paper/b6ba6f496ace2b947f111059663e76bb60e9efeb. 
  15. ^ Matthew D Pickett & R Stanley Williams (September 2013). “Phase transitions enable computational universality in neuristor-based cellular automata”. Nanotechnology (IOP Publishing Ltd) 24 (38): 384002. Bibcode: 2013Nanot..24L4002P. doi:10.1088/0957-4484/24/38/384002. PMID 23999059. 
  16. ^ Boahen, Kwabena (24 April 2014). “Neurogrid: A Mixed-Analog-Digital Multichip System for Large-Scale Neural Simulations”. Proceedings of the IEEE 102 (5): 699–716. doi:10.1109/JPROC.2014.2313565. 
  17. ^ Waldrop, M. Mitchell (2013). “Neuroelectronics: Smart connections”. Nature 503 (7474): 22–4. Bibcode: 2013Natur.503...22W. doi:10.1038/503022a. PMID 24201264. 
  18. ^ Benjamin, Ben Varkey; Peiran Gao; McQuinn, Emmett; Choudhary, Swadesh; Chandrasekaran, Anand R.; Bussat, Jean-Marie; Alvarez-Icaza, Rodrigo; Arthur, John V. et al. (2014). “Neurogrid: A Mixed-Analog-Digital Multichip System for Large-Scale Neural Simulations”. Proceedings of the IEEE 102 (5): 699–716. doi:10.1109/JPROC.2014.2313565. 
  19. ^ “Involved Organizations”. 2013年ねん3月がつ2日にち時点じてんのオリジナルよりアーカイブ。2013年ねん2月がつ22日にち閲覧えつらん。
  20. ^ “Human Brain Project”. 2013年ねん2月がつ22日にち閲覧えつらん。
  21. ^ “The Human Brain Project and Recruiting More Cyberwarriors” (2013年ねん1月がつ29日にち). 2013年ねん2月がつ22日にち閲覧えつらん。
  22. ^ Neuromorphic computing: The machine of a new soul, The Economist, 2013-08-03
  23. ^ Modha, Dharmendra (Aug 2014). “A million spiking-neuron integrated circuit with a scalable communication network and interface”. Science 345 (6197): 668–673. Bibcode: 2014Sci...345..668M. doi:10.1126/science.1254642. PMID 25104385. 
  24. ^ Fairfield, Jessamyn (2017年ねん3月がつ1日にち). “Smarter Machines”. 2021年ねん4月がつ10日とおか閲覧えつらん。
  25. ^ Davies, Mike (January 16, 2018). “Loihi: A Neuromorphic Manycore Processor with On-Chip Learning”. IEEE Micro 38 (1): 82–99. doi:10.1109/MM.2018.112130359. 
  26. ^ “Why Intel built a neuromorphic chip” (英語えいご). ZDNet. 2018年ねん8月がつ17日にち閲覧えつらん。
  27. ^ “Imec demonstrates self-learning neuromorphic chip that composes music”. IMEC International. 2019年ねん10月がつ1日にち閲覧えつらん。
  28. ^ “A Neuromorphic Chip That Makes Music”. IEEE Spectrum. 2019年ねん10月がつ1日にち閲覧えつらん。
  29. ^ 2015 Study Panel (September 2016). Artificial Intelligence and Life in 2030 (PDF). One Hundred Year Study on Artificial Intelligence (AI100) (Report). Stanford University.
  30. ^ a b European Commission (2012年ねん9月がつ). “Special Eurobarometer 382: Public Attitudes Towards Robots”. European Commission. 2021年ねん4月がつ10日とおか閲覧えつらん。
  31. ^ Aicardi, Christine (September 2018). “Accompanying technology development in the Human Brain Project: From foresight to ethics management”. Futures 102: 114–124. doi:10.1016/j.futures.2018.01.005. 
  32. ^ Lim, Daniel (2014-06-01). “Brain simulation and personhood: a concern with the Human Brain Project” (英語えいご). Ethics and Information Technology 16 (2): 77–89. doi:10.1007/s10676-013-9330-5. ISSN 1572-8439. 
  33. ^ “Robotics Openletter | Open letter to the European Commission” (フランス語ふらんすご). 2019年ねん5月がつ10日とおか閲覧えつらん。
  34. ^ Lavan. “Copyright in source code and digital products” (英語えいご). Lavan. 2019年ねん5月がつ10日とおか閲覧えつらん。
  35. ^ “002.08 N.I.C.E. Workshop 2014: Towards Intelligent Computing with Neuromemristive Circuits and Systems - Feb. 2014”. digitalops.sandia.gov. 2019年ねん8月がつ26日にち閲覧えつらん。
  36. ^ C. Merkel and D. Kudithipudi, "Neuromemristive extreme learning machines for pattern classification," ISVLSI, 2014.
  37. ^ Maan, A. K.; Jayadevi, D. A.; James, A. P. (2016-01-01). “A Survey of Memristive Threshold Logic Circuits”. IEEE Transactions on Neural Networks and Learning Systems PP (99): 1734–1746. arXiv:1604.07121. Bibcode: 2016arXiv160407121M. doi:10.1109/TNNLS.2016.2547842. ISSN 2162-237X. PMID 27164608. 
  38. ^ Maan, A.K.; Kumar, D.S.; Sugathan, S.; James, A.P. (2015-10-01). “Memristive Threshold Logic Circuit Design of Fast Moving Object Detection”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems 23 (10): 2337–2341. arXiv:1410.1267. doi:10.1109/TVLSI.2014.2359801. ISSN 1063-8210. 
  39. ^ Maan, A.K.; James, A.P.; Dimitrijev, S. (2015). “Memristor pattern recogniser: isolated speech word recognition”. Electronics Letters 51 (17): 1370–1372. doi:10.1049/el.2015.1428. hdl:10072/140989. https://semanticscholar.org/paper/48d3ab11ec6e213b62f11eedcfb7b7febb058674. 
  40. ^ Maan, Akshay Kumar; Kumar, Dinesh S.; James, Alex Pappachen (2014-01-01). “Memristive Threshold Logic Face Recognition”. Procedia Computer Science. 5th Annual International Conference on Biologically Inspired Cognitive Architectures, 2014 BICA 41: 98–103. doi:10.1016/j.procs.2014.11.090. 
  41. ^ James, A.P.; Francis, L.R.V.J.; Kumar, D.S. (2014-01-01). “Resistive Threshold Logic”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems 22 (1): 190–195. arXiv:1308.0090. doi:10.1109/TVLSI.2012.2232946. ISSN 1063-8210. 
  42. ^ James, A.P.; Kumar, D.S.; Ajayan, A. (2015-11-01). “Threshold Logic Computing: Memristive-CMOS Circuits for Fast Fourier Transform and Vedic Multiplication”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems 23 (11): 2690–2694. arXiv:1411.5255. doi:10.1109/TVLSI.2014.2371857. ISSN 1063-8210. 
  43. ^ Caravelli (2017). “The complex dynamics of memristive circuits: analytical results and universal slow relaxation”. Physical Review E 95 (2): 022140. arXiv:1608.08651. Bibcode: 2017PhRvE..95b2140C. doi:10.1103/PhysRevE.95.022140. PMID 28297937. 

外部がいぶリンク[編集へんしゅう]

「https://ja.wikipedia.org/w/index.php?title=ニューロモルフィック・エンジニアリング&oldid=98806638」から取得しゅとく