Action Potential막 전위가 임계값을 초과할 때 뉴런에서 생성되는 짧은 전기 충격(스파이크)입니다. 이 전부 아니면 전무의 신호는 축삭을 따라 전파되어 다른 뉴런과 통신합니다. 뉴로모픽 시스템에서 스파이크는 정보 교환의 기본 단위입니다.
Axon세포체에서 다른 뉴런으로 전기 자극(스파이크)을 전달하는 뉴런의 긴 돌출부입니다. 뉴로모픽 하드웨어에서 축삭은 인공 뉴런 사이에 스파이크 메시지를 전달하는 라우팅 채널로 구현됩니다.
Dendrite시냅스를 통해 다른 뉴런으로부터 입력 신호를 받는 뉴런의 분기 구조입니다. 뉴로모픽 칩에서 수지상 처리는 들어오는 스파이크 신호를 통합하는 입력 축적 회로로 모델링됩니다.
Integrate-and-Fire Model시간이 지남에 따라 들어오는 신호를 축적(통합)하고 축적된 값이 임계값을 초과할 때 출력 스파이크를 생성한 후 뉴런이 재설정되는 뉴런의 단순화된 수학적 모델입니다. LIF(Leaky Integrate-and-Fire) 변형은 보다 생물학적 현실성을 높이기 위해 붕괴 용어를 추가합니다.
Membrane Potential뉴런 세포막의 전기적 전압 차이입니다. 생물학적 뉴런에서는 뉴런이 언제 발사되는지를 결정합니다. 뉴로모픽 모델에서는 입력을 통합하고 스파이크를 유발하는 내부 상태 변수를 나타냅니다.
Spike-Timing-Dependent Plasticity (STDP)시냅스 강도의 변화가 시냅스 전후 스파이크의 상대적 타이밍에 따라 달라지는 생물학적 학습 규칙입니다. 시냅스 전 뉴런이 시냅스 후 뉴런 직전에 활성화되면 시냅스가 강화됩니다. 역순으로 하면 약화됩니다.
Von Neumann Bottleneck메모리와 처리 장치의 분리로 인해 발생하는 기존 컴퓨터 아키텍처의 근본적인 성능 제한으로 인해 메모리와 처리 장치 간에 데이터가 지속적으로 전송되어야 합니다. 뉴로모픽 아키텍처는 계산과 메모리를 함께 배치하여 이를 방지합니다.
Neurosynaptic Core인공 뉴런 그룹, 시냅스 연결 및 로컬 라우팅 논리를 포함하는 뉴로모픽 칩의 기본 처리 장치입니다. 여러 코어가 상호 연결되어 완전한 뉴로모픽 프로세서를 형성합니다.
Lateral Inhibition활성 뉴런이 이웃 뉴런의 활동을 감소시키는 신경 메커니즘입니다. 뉴로모픽 시스템에서 이는 승자 독식 경쟁을 구현하고 패턴 인식 및 특징 선택과 같은 작업에 사용됩니다.
Refractory Period뉴런이 활성화된 후 다시 활성화할 수 없거나(절대 불응기) 더 강한 자극이 필요한 짧은 기간(상대 불응기)입니다. 이 생물학적 제약은 발사 속도를 조절하기 위해 신경형 모델에서 구현됩니다.
Asynchronous Circuit글로벌 클록 신호 없이 작동하여 이벤트가 도착하면 데이터를 처리하는 전자 회로입니다. 뉴로모픽 칩은 종종 비동기식 설계 원리를 사용하여 이벤트 중심의 저전력 작동을 달성합니다.
Crossbar Array시냅스 가중치가 수평 및 수직 와이어의 교차점에 저장되어 신경 계산을 위한 고도로 병렬인 행렬-벡터 곱셈을 가능하게 하는 일부 뉴로모픽 하드웨어에 사용되는 회로 토폴로지입니다.
Neural Coding정보가 뉴런에 의해 표현되고 전달되는 방식. 속도 코딩은 정보를 스파이크 빈도로 인코딩하는 반면 시간 코딩은 정확한 스파이크 타이밍을 사용합니다. 뉴로모픽 시스템은 두 코딩 방식을 모두 활용할 수 있습니다.
Hebbian Learning'함께 발화하는 뉴런은 함께 연결됩니다'로 요약되는 학습 원리입니다. 이는 시냅스 전 뉴런과 시냅스 후 뉴런이 동시에 활성화될 때 시냅스 연결이 강화된다는 것을 나타냅니다. STDP는 Hebbian 학습의 시간적으로 정확한 형태입니다.
Soma핵을 포함하고 수상돌기에서 들어오는 신호를 통합하는 뉴런의 세포체입니다. 뉴로모픽 하드웨어에서 소마 기능은 시냅스 입력을 축적하고 스파이크를 생성하는 회로에 의해 구현됩니다.
Memristor전류 흐름의 역사에 따라 저항이 변하는 2단자 전자 부품입니다. 멤리스터는 하드웨어에서 시냅스 중량 저장 및 가소성을 자연스럽게 구현할 수 있기 때문에 뉴로모픽 컴퓨팅에 유망합니다.
Winner-Take-All (WTA) Network여러 뉴런이 측면 억제를 통해 경쟁하고 가장 강하게 활성화된 뉴런만이 출력을 생성하는 신경 회로 모티프입니다. WTA 네트워크는 분류, 패턴 인식 및 주의 메커니즘을 위해 뉴로모픽 시스템에 사용됩니다.
Neuromorphic Sensor뉴로모픽 원리에 따라 작동하도록 설계된 센서로 고정 속도 프레임이 아닌 비동기식 이벤트 기반 출력을 생성합니다. DVS(동적 비전 센서) 또는 이벤트 카메라는 마이크로초 시간 해상도를 사용하여 픽셀 수준 밝기 변화를 개별 이벤트로 출력하는 예입니다.
Spike Encoding아날로그 입력 신호(예: 센서 데이터 또는 픽셀 값)를 스파이킹 신경망에서 처리할 수 있는 스파이크 트레인으로 변환하는 프로세스입니다. 방법에는 속도 코딩, 시간 코딩, 델타 변조 및 모집단 코딩이 포함됩니다.
Homeostatic Plasticity활동 수준의 장기적인 변화에 반응하여 뉴런의 흥분성 또는 시냅스 강도를 조정하여 안정적인 신경 활동을 유지하는 신경 가소성의 한 형태입니다. 뉴로모픽 시스템에서는 폭주 흥분 또는 뉴런의 완전한 침묵을 방지합니다.
Reservoir Computing출력 레이어만 훈련되는 고정되고 무작위로 연결된 순환 신경망(저장소)을 사용하는 계산 프레임워크입니다. 저수지 컴퓨팅의 뉴로모픽 구현은 시간적 패턴 인식을 위해 스파이크 네트워크의 고유한 역학을 활용합니다.
Excitatory and Inhibitory Neurons신경 회로의 두 가지 기본 유형의 뉴런. 흥분성 뉴런은 표적 뉴런의 발화 확률을 증가시키는 반면, 억제성 뉴런은 이를 감소시킵니다. 흥분과 억제 사이의 균형은 생물학적 시스템과 뉴로모픽 시스템 모두에서 안정적인 신경 계산에 중요합니다.
Plasticity Rule신경 활동에 반응하여 시냅스 가중치가 어떻게 변하는지 정의하는 수학적 규칙입니다. 뉴로모픽 시스템에서는 STDP, BCM, Oja의 규칙과 같은 가소성 규칙을 하드웨어에서 직접 구현할 수 있으므로 외부 감독이나 역전파 없이 온칩 학습이 가능합니다.
TrueNorth1백만 개의 프로그래밍 가능한 뉴런과 2억 5600만 개의 구성 가능한 시냅스를 포함하는 IBM의 뉴로모픽 칩은 패턴 인식 작업을 위해 매우 낮은 전력(70mW)에서 작동합니다.
Loihi프로그래밍 가능한 시냅스 학습 규칙을 갖춘 128개의 뉴로모픽 코어를 구현하는 인텔의 뉴로모픽 연구 칩으로 외부 훈련 없이 온칩 학습 및 적응이 가능합니다.
NorthPoleIBM의 최신 뉴로모픽 칩(2023)은 분산 메모리 아키텍처를 통해 폰 노이만 병목 현상을 제거하여 신경망 추론에 대한 전례 없는 에너지 효율성을 달성합니다.
Dynamic Vision Sensor (DVS)픽셀 수준의 밝기 변화를 비동기식으로 감지하여 망막 처리를 모방하여 마이크로초 시간 해상도와 극도의 동적 범위로 이벤트를 생성하는 뉴로모픽 카메라입니다.
Neural ODE신경망 계층을 연속 변환으로 모델링하여 딥 러닝을 동적 시스템 이론에 연결하고 뇌와 유사한 연속 시간 처리를 가능하게 하는 수학적 프레임워크입니다.
Brainomorphic생물학적 세부 사항을 복제하기 위한 기능적 뉴로모픽 접근 방식을 넘어 생물학적 신경 조직의 물리적 구조와 역학을 밀접하게 모방하는 하드웨어에 대한 보다 구체적인 용어입니다.
Liquid State Machine판독 레이어만 학습하여 입력을 고차원 표현으로 변환하는 순환 스파이킹 신경망('액체')을 사용하는 저장소 컴퓨팅 접근 방식입니다.
Spike Rate Coding시간이 지남에 따라 스파이크 빈도로 정보가 인코딩되는 신경 코딩 체계입니다. 발사 속도가 높을수록 밝기가 시각 피질의 뉴런 발사 속도를 증가시키는 방식과 유사하게 더 강한 신호를 나타냅니다.
Temporal Coding정보가 빈도가 아닌 개별 스파이크의 정확한 타이밍으로 인코딩되는 신경 코딩 체계입니다. 시간 코딩은 속도 코딩보다 스파이크당 더 많은 정보를 전달할 수 있습니다.
Dendritic Computing수상돌기(뉴런의 입력 가지)가 단순한 수동적 신호 전송이 아닌 정교한 로컬 계산을 수행한다는 새로운 이해가 등장했습니다. Neuromorphic 디자인은 점점 더 수지상 처리를 모델링합니다.
BrainScaleS가속 시간(생물학적 실시간보다 1000배 빠름)으로 작동하여 신경망 역학을 빠르게 탐색할 수 있는 하이델베르그 대학에서 개발한 뉴로모픽 컴퓨팅 플랫폼입니다.
Catastrophic Forgetting새로운 정보를 학습하면 이전에 학습한 지식이 지워지는 전통적인 신경망의 문제입니다. STDP와 같은 로컬 학습 규칙을 갖춘 뉴로모픽 시스템은 자연스럽게 이 문제에 저항합니다.
Spike Train시간이 지남에 따라 뉴런에 의해 생성되는 일련의 개별 스파이크(활동 전위)입니다. 스파이크 패턴은 정보를 인코딩하며 뉴로모픽 시스템의 기본 통신 신호입니다.
Synaptic Weight두 뉴런 사이의 연결 강도를 나타내는 숫자 값입니다. 뉴로모픽 하드웨어에서 시냅스 가중치는 메모리 요소(SRAM, 멤리스터 또는 아날로그 회로)에 저장되고 학습 중에 수정됩니다.
Leaky Integrate-and-Fire (LIF)뉴로모픽 컴퓨팅에 사용되는 가장 일반적인 단순화된 뉴런 모델입니다. 입력 전류는 누출(감쇠)과 통합(축적)되며 막 전위가 임계값에 도달하면 스파이크가 방출됩니다.
Neuromorphic Accelerator급증하는 신경망 계산을 실행하는 데 최적화된 특수 하드웨어 칩으로, 신경망 추론을 위한 범용 프로세서에 비해 에너지 효율성이 대폭 향상됩니다.
Bio-Inspired Computing뉴로모픽 컴퓨팅(뇌), 진화 알고리즘(evolution), 군집 지능(집단 행동)을 포함하여 생물학적 시스템에서 영감을 받은 모든 컴퓨팅 접근 방식을 포괄하는 광범위한 용어입니다.
Address-Event Representation (AER)스파이크가 송신 뉴런의 주소로 인코딩되고 비동기적으로 전송되어 효율적인 칩 간 통신을 가능하게 하는 뉴로모픽 하드웨어에 사용되는 통신 프로토콜입니다.
Neural Dust신경 활동을 모니터링하기 위해 신체에 이식되도록 설계된 초소형 무선 센서는 뉴로모픽 감지 기술의 극도의 소형화를 나타냅니다.
Astrocyte한때 수동적 지원으로 여겨졌던 뇌 세포의 일종으로, 현재는 시냅스 전달과 신경 계산을 조절하는 것으로 알려져 있습니다. 일부 신경모형 시스템은 학습 개선을 위해 성상세포-뉴런 상호작용을 모델링합니다.