点击上方“Deephub Imba”,关注公众号,好文章不错过 !Transformer 架构因其强大的通用性而备受瞩目，它能够处理文本、图像或任何类型的数据及其组合。其核心的“Attention”机制通过计算序列中每个 token ...

神经形态计算的研究主要基于脉冲神经网络（SNN）模型，这是一种生物启发的计算范式，旨在模拟大脑的信息处理机制。具体而言，该领域的目标是通过融合神经生物学和计算神经科学的理论知识，构建能够实现类人智能的计算系统。

近日，中科院计算所赵地研究团队发布了一项重磅成果——开源类脑芯片二代（Polaris23）！这款芯片不仅支持脉冲神经网络（SNN）和反向传播STDP，还在神经元和突触处理能力上实现了重大突破，带宽和能效都大幅提升，MNIST数据集准确率达到91%。这 ...

量子神经网络（QNNs）在处理某些数据集时有望实现更低的泛化误差界限和更高的计算效率。然而，数据并行性中的量子叠加整合在量子神经网络背景下尚未得到探索，这是经典神经网络应用中的关键要素。2月18日，复旦大学、西湖大学组成的联合团队在《Physical ...

正当世界各国展开AI竞技，阳明交大组成的研究团队在神经形态计算领域取得一项重大突破，这项研究的第一作者杜杰世利用特殊设计的磁性材料异质结构（W/Pt/Co/NiO/Pt），已在无需外部磁场的情况实现所谓的“无场反转”（FFS），让计算机具备类似大脑的学习和适应能力。