Action PotentialMột xung điện ngắn (tăng đột biến) được tạo ra bởi một tế bào thần kinh khi điện thế màng của nó vượt quá ngưỡng. Tín hiệu tất cả hoặc không có gì này truyền dọc theo sợi trục để giao tiếp với các tế bào thần kinh khác. Trong các hệ thống mô phỏng thần kinh, các gai là đơn vị trao đổi thông tin cơ bản.
AxonHình chiếu dài của một tế bào thần kinh truyền các xung điện (gai) ra khỏi thân tế bào đến các tế bào thần kinh khác. Trong phần cứng mô phỏng thần kinh, các sợi trục được triển khai như các kênh định tuyến truyền tải các thông điệp tăng đột biến giữa các nơ-ron nhân tạo.
DendriteCấu trúc phân nhánh của một nơron nhận tín hiệu đầu vào từ các nơron khác thông qua các khớp thần kinh. Trong các chip mô phỏng thần kinh, quá trình xử lý đuôi gai được mô hình hóa bằng các mạch tích lũy đầu vào tích hợp các tín hiệu tăng đột biến đến.
Integrate-and-Fire ModelMột mô hình toán học đơn giản hóa của một nơ-ron tích lũy (tích hợp) các tín hiệu đến theo thời gian và tạo ra mức tăng đột biến đầu ra khi giá trị tích lũy vượt quá ngưỡng, sau đó nơ-ron sẽ đặt lại. Biến thể Leaky Integrate-and-Fire (LIF) bổ sung thuật ngữ phân rã để có tính hiện thực sinh học hơn.
Membrane PotentialSự chênh lệch điện áp trên màng tế bào thần kinh. Trong tế bào thần kinh sinh học, nó quyết định thời điểm tế bào thần kinh hoạt động. Trong các mô hình mô phỏng thần kinh, nó đại diện cho biến trạng thái bên trong tích hợp đầu vào và kích hoạt các đột biến.
Spike-Timing-Dependent Plasticity (STDP)Một quy tắc học tập sinh học trong đó sự thay đổi cường độ khớp thần kinh phụ thuộc vào thời gian tương đối của các xung đột biến trước và sau khớp thần kinh. Nếu tế bào thần kinh trước khớp thần kinh hoạt động ngay trước tế bào thần kinh sau khớp thần kinh thì khớp thần kinh sẽ được tăng cường; thứ tự ngược lại dẫn đến suy yếu.
Von Neumann BottleneckGiới hạn hiệu suất cơ bản trong kiến trúc máy tính thông thường gây ra bởi sự tách biệt giữa bộ nhớ và bộ xử lý, đòi hỏi dữ liệu phải được luân chuyển liên tục giữa chúng. Kiến trúc mô hình thần kinh tránh điều này bằng cách sắp xếp tính toán và bộ nhớ.
Neurosynaptic CoreMột đơn vị xử lý cơ bản trong các chip mô phỏng thần kinh có chứa một nhóm tế bào thần kinh nhân tạo, các kết nối khớp thần kinh của chúng và logic định tuyến cục bộ. Nhiều lõi được kết nối với nhau để tạo thành một bộ xử lý thần kinh hoàn chỉnh.
Lateral InhibitionMột cơ chế thần kinh trong đó một nơron hoạt động làm giảm hoạt động của các nơron lân cận. Trong các hệ thống mô phỏng thần kinh, điều này thực hiện cạnh tranh người thắng được tất cả và được sử dụng cho các nhiệm vụ như nhận dạng mẫu và lựa chọn tính năng.
Refractory PeriodKhoảng thời gian ngắn sau khi tế bào thần kinh hoạt động, trong thời gian đó nó không thể hoạt động trở lại (thời gian trơ tuyệt đối) hoặc cần một kích thích mạnh hơn (thời gian trơ tương đối). Hạn chế sinh học này được thực hiện trong các mô hình hình thái thần kinh để điều chỉnh tốc độ bắn.
Asynchronous CircuitMột mạch điện tử hoạt động mà không có tín hiệu đồng hồ toàn cầu, xử lý dữ liệu khi các sự kiện đến. Các chip thần kinh thường sử dụng các nguyên tắc thiết kế không đồng bộ để đạt được hoạt động tiêu thụ điện năng thấp, theo hướng sự kiện.
Crossbar ArrayMột cấu trúc liên kết mạch được sử dụng trong một số phần cứng mô phỏng thần kinh trong đó các trọng số khớp thần kinh được lưu trữ tại các giao điểm của dây ngang và dây dọc, cho phép nhân vectơ ma trận song song cao để tính toán thần kinh.
Neural CodingCách thông tin được thể hiện và truyền đi bởi các tế bào thần kinh. Mã hóa tốc độ mã hóa thông tin theo tần số tăng đột biến, trong khi mã hóa thời gian sử dụng thời gian tăng đột biến chính xác. Các hệ thống mô phỏng thần kinh có thể khai thác cả hai sơ đồ mã hóa.
Hebbian LearningMột nguyên tắc học tập được tóm tắt là 'các tế bào thần kinh hoạt động cùng nhau, kết nối với nhau'. Nó nói rằng các kết nối khớp thần kinh được tăng cường khi các tế bào thần kinh trước và sau khớp thần kinh hoạt động đồng thời. STDP là một hình thức học tiếng Do Thái chính xác theo thời gian.
SomaThân tế bào của tế bào thần kinh chứa nhân và tích hợp các tín hiệu đến từ sợi nhánh. Trong phần cứng mô phỏng thần kinh, chức năng soma được thực hiện bằng các mạch tích lũy đầu vào khớp thần kinh và tạo ra các đột biến.
MemristorMột linh kiện điện tử hai cực có điện trở thay đổi dựa trên lịch sử dòng điện chạy qua nó. Memristor hứa hẹn cho điện toán mô phỏng thần kinh vì chúng có thể thực hiện việc lưu trữ trọng lượng khớp thần kinh và tính dẻo trong phần cứng một cách tự nhiên.
Winner-Take-All (WTA) NetworkMột mô típ mạch thần kinh trong đó nhiều nơ-ron cạnh tranh thông qua sự ức chế bên và chỉ nơ-ron được kích hoạt mạnh nhất mới tạo ra đầu ra. Mạng WTA được sử dụng trong các hệ thống mô phỏng thần kinh để phân loại, nhận dạng mẫu và cơ chế chú ý.
Neuromorphic SensorMột cảm biến được thiết kế để hoạt động theo nguyên tắc mô phỏng thần kinh, tạo ra đầu ra không đồng bộ, theo hướng sự kiện thay vì các khung có tốc độ cố định. Cảm biến thị giác động (DVS) hoặc máy ảnh sự kiện là những ví dụ cho ra những thay đổi về độ sáng ở mức pixel dưới dạng các sự kiện riêng lẻ với độ phân giải thời gian micro giây.
Spike EncodingQuá trình chuyển đổi tín hiệu đầu vào tương tự (chẳng hạn như dữ liệu cảm biến hoặc giá trị pixel) thành các chuỗi tăng đột biến có thể được xử lý bằng cách tăng đột biến mạng lưới thần kinh. Các phương pháp bao gồm mã hóa tốc độ, mã hóa thời gian, điều chế delta và mã hóa dân số.
Homeostatic PlasticityMột dạng dẻo thần kinh duy trì hoạt động thần kinh ổn định bằng cách điều chỉnh tính dễ bị kích thích của tế bào thần kinh hoặc sức mạnh của khớp thần kinh để đáp ứng với những thay đổi kéo dài về mức độ hoạt động. Trong các hệ thống mô phỏng thần kinh, nó ngăn chặn sự kích thích đột ngột hoặc làm các tế bào thần kinh im lặng hoàn toàn.
Reservoir ComputingMột khung tính toán sử dụng mạng thần kinh tái phát được kết nối ngẫu nhiên, cố định (hồ chứa) trong đó chỉ có lớp đầu ra được đào tạo. Việc triển khai mô hình thần kinh của điện toán hồ chứa tận dụng tính năng động vốn có của mạng tăng tốc để nhận dạng mẫu thời gian.
Excitatory and Inhibitory NeuronsHai loại tế bào thần kinh cơ bản trong mạch thần kinh. Tế bào thần kinh kích thích làm tăng khả năng kích hoạt của tế bào thần kinh mục tiêu, trong khi tế bào thần kinh ức chế làm giảm khả năng đó. Sự cân bằng giữa kích thích và ức chế là rất quan trọng để tính toán thần kinh ổn định trong cả hệ thống sinh học và thần kinh.
Plasticity RuleMột quy tắc toán học xác định trọng lượng khớp thần kinh thay đổi như thế nào để đáp ứng với hoạt động thần kinh. Trong các hệ thống mô phỏng thần kinh, các quy tắc dẻo như quy tắc STDP, BCM và Oja có thể được triển khai trực tiếp trong phần cứng, cho phép học tập trên chip mà không cần sự giám sát bên ngoài hoặc truyền ngược.
TrueNorthChip thần kinh của IBM chứa 1 triệu nơ-ron có thể lập trình và 256 triệu khớp thần kinh có thể định cấu hình, hoạt động ở công suất cực thấp (70mW) cho các nhiệm vụ nhận dạng mẫu.
LoihiChip nghiên cứu mô phỏng thần kinh của Intel triển khai 128 lõi mô phỏng thần kinh với các quy tắc học tập khớp thần kinh có thể lập trình, cho phép học tập và thích ứng trên chip mà không cần đào tạo bên ngoài.
NorthPoleChip thần kinh mới nhất của IBM (2023) đạt được hiệu quả năng lượng chưa từng có cho suy luận mạng thần kinh bằng cách loại bỏ nút cổ chai von Neumann thông qua kiến trúc bộ nhớ phân tán.
Dynamic Vision Sensor (DVS)Một camera thần kinh có khả năng phát hiện các thay đổi không đồng bộ về độ sáng ở mức pixel, tạo ra các sự kiện có độ phân giải thời gian micro giây và dải động cực cao, bắt chước quá trình xử lý võng mạc.
Neural ODEMột khung toán học mô hình hóa các lớp mạng lưới thần kinh dưới dạng các phép biến đổi liên tục, kết nối việc học sâu với lý thuyết hệ thống động lực và cho phép xử lý thời gian liên tục giống não hơn.
BrainomorphicMột thuật ngữ cụ thể hơn cho phần cứng mô phỏng gần giống cấu trúc vật lý và động lực học của mô thần kinh sinh học, vượt xa các phương pháp tiếp cận hình thái thần kinh chức năng để tái tạo chi tiết sinh học.
Liquid State MachineMột phương pháp tính toán hồ chứa sử dụng mạng nơ ron tăng đột biến ("chất lỏng") để chuyển đổi đầu vào thành biểu diễn nhiều chiều, chỉ có một lớp đọc được huấn luyện.
Spike Rate CodingMột sơ đồ mã hóa thần kinh trong đó thông tin được mã hóa theo tần số tăng đột biến theo thời gian. Tốc độ bắn cao hơn biểu thị các tín hiệu mạnh hơn, tương tự như cách độ sáng có thể làm tăng tốc độ bắn nơ-ron ở vỏ não thị giác.
Temporal CodingMột sơ đồ mã hóa thần kinh trong đó thông tin được mã hóa theo thời gian chính xác của từng xung đột biến thay vì theo tần số của chúng. Mã hóa tạm thời có thể mang nhiều thông tin trên mỗi xung hơn mã hóa tốc độ.
Dendritic ComputingSự hiểu biết mới nổi rằng đuôi gai (nhánh đầu vào của nơ-ron) thực hiện các tính toán cục bộ phức tạp, không chỉ truyền tín hiệu thụ động. Thiết kế thần kinh ngày càng mô hình xử lý đuôi gai.
BrainScaleSMột nền tảng điện toán mô phỏng thần kinh được phát triển tại Đại học Heidelberg, hoạt động trong thời gian tăng tốc (nhanh hơn 1000 lần so với thời gian thực sinh học), cho phép khám phá nhanh chóng động lực học của mạng lưới thần kinh.
Catastrophic ForgettingMột vấn đề trong mạng lưới thần kinh truyền thống trong đó việc học thông tin mới sẽ xóa bỏ kiến thức đã học trước đó. Các hệ thống mô phỏng thần kinh với các quy tắc học tập cục bộ như STDP có khả năng chống lại vấn đề này một cách tự nhiên.
Spike TrainMột chuỗi các xung đột biến (điện thế hoạt động) riêng biệt được tạo ra bởi một tế bào thần kinh theo thời gian. Mẫu gai mã hóa thông tin và là tín hiệu giao tiếp cơ bản trong các hệ thống thần kinh.
Synaptic WeightMột giá trị số biểu thị cường độ kết nối giữa hai nơ-ron. Trong phần cứng mô phỏng thần kinh, trọng số khớp thần kinh được lưu trữ trong các phần tử bộ nhớ (SRAM, điện trở nhớ hoặc mạch tương tự) và được sửa đổi trong quá trình học.
Leaky Integrate-and-Fire (LIF)Mô hình nơ-ron đơn giản hóa phổ biến nhất được sử dụng trong điện toán mô phỏng thần kinh. Dòng điện đầu vào được tích hợp (tích lũy) với sự rò rỉ (suy giảm) và khi điện thế màng đạt đến ngưỡng, sẽ phát ra một xung đột biến.
Neuromorphic AcceleratorMột chip phần cứng chuyên dụng được tối ưu hóa để chạy các phép tính mạng thần kinh tăng đột biến, đạt được những cải tiến lớn về hiệu quả sử dụng năng lượng so với các bộ xử lý đa năng dành cho suy luận mạng thần kinh.
Bio-Inspired ComputingMột thuật ngữ rộng bao gồm tất cả các phương pháp tính toán lấy cảm hứng từ các hệ thống sinh học, bao gồm điện toán hình thái thần kinh (bộ não), thuật toán tiến hóa (tiến hóa) và trí tuệ bầy đàn (hành vi tập thể).
Address-Event Representation (AER)Một giao thức truyền thông được sử dụng trong phần cứng mô phỏng thần kinh trong đó các xung đột biến được mã hóa thành địa chỉ của nơ-ron gửi và được truyền không đồng bộ, cho phép giao tiếp giữa các chip hiệu quả.
Neural DustCảm biến không dây siêu nhỏ được thiết kế để cấy vào cơ thể nhằm theo dõi hoạt động thần kinh, thể hiện sự thu nhỏ cực độ của công nghệ cảm biến hình thái thần kinh.
AstrocyteMột loại tế bào não từng được cho là hỗ trợ thụ động, hiện được biết đến với vai trò điều chỉnh sự truyền dẫn qua khớp thần kinh và tính toán thần kinh. Một số hệ thống mô phỏng thần kinh mô hình hóa sự tương tác giữa tế bào hình sao và tế bào thần kinh để cải thiện khả năng học tập.