类脑智能顾名思义，就是类似生物神经网络结构的人工智能系统。它既要从功能上模拟大脑功能，又要从性能上大幅度超越生物大脑，也称神经形态计算。
早在20世纪40年代，类脑计算的神经模型就已经设计出来，并通过几十年发展获得了大幅提升。至于为什么这么多年没有进展，核心原因还是在芯片上。
传统的人工智能芯片，信息存储和数据计算是分开的。机器要先从存储部分读取数据，再利用计算部分进行运算。这样的结果是，每次运算都要读取、计算、再读取、再计算，不但过程烦琐，而且大量的功耗和算力都被浪费在读取里，与大脑的高效率、低功耗大相径庭。
所以，想要真正模仿大脑，就必须开发跟大脑结构类似的芯片。在这一点上，咱们中国走在了前面。2019年清华大学开发出全球首款异构融合类脑计算芯片——天机芯，并登上了知名科学杂志《自然》的封面。
天机芯是清华大学施路平团队历经7年打磨的芯片，使用28纳米工艺流片。这个芯片的最大特点，是兼容包括神经模态脉冲神经网络、卷积神经网络和循环神经网络在内的多种神经网络同时运行。相比于当前世界先进的IBM的TrueNorth芯片，天机芯密度提升20%，速度至少提高10倍，带宽至少提高100倍。
为了验证这款芯片的可靠性，清华团队在一辆自行车上装载了天机芯。试验中，无人自行车不仅可以识别语音指令、实现自动平衡控制，还能对前方行人进行探测和跟踪，并自动躲避障碍。
值得一提的是，保持体态平衡是人脑非常复杂的功能，它是通过运动协同、环境感知和动作执行等多个功能区域合作完成的，而这些都在天机芯片上获得了一定程度的体现。
虽然目前类脑计算应用还比较初步，和深度学习等主流人工智能算法模型相比，也存在一定的运算差距，但芯片的性能突破已经看到了曙光，规模化应用很可能不需要太长时间。
有关解码智能时***新未来认知的文章
本节采用FEKO的优化算法优化一个3dB微带分支耦合器，演示FEKO的优化实现方法。工作频率为2.8～3.2GHz，优化目标为S21=S41=-3dB。首选参数化建模，通过优化算法得到精确的微带线的宽度和长度。图10-54 微带分支耦合器示意图模型创建启动CADFEKO，新建一个工程“branch_coupler.cfx”。在CADFEKO中左侧的树形浏览器中双击“Variables”结点，依次定义如下变量。单击中部的“Add”按钮，继续设置。单击下方的“Create”按钮，如图10-56所示。图10-58 选择Port1的边图10-59 创建Port1按照图10-60所示依次创建Port2、Port3、Port4。......
2023-10-31
本节将介绍如何利用FEKO的CMA技术进行MIMO天线的快速设计。图10-74 MIMO天线结构启动CADFEKO，新建一个工程“MIMO_ring.cfx”。定义变量在CADFEKO中左侧的树形浏览器中，展开“Definitions”结点，双击“Variables”结点，依次定义如下变量。单击“Create”，如图10-75所示。把新生成的模型更名为“sector_2”。设置求解参数（特征模）在左侧的树形浏览器中，在“Configuration”选项卡中，在“Configur......
2023-10-31
图5-147 长度单位设置定义变量在CADFEKO中左侧的树形浏览器中双击“Variables”结点，依次定义如下变量。图5-148 介质材料定义模型建立天线模型建立，单击“Construct”菜单中的“Rectangle”按钮，弹出“Create rectangle”对话框，进行如下设置。图5-154 创建Wire Port端口在树形浏览器中，展开“Model”→“Geometry”结点，选择所有的模型，单击鼠标右键，选择“Apply”→“Union”选项，把新生成的模型更名为“microstrip”。激励设置在“Global”结点中，选中“Sou......
2023-10-31
本节案例计算车窗天线的输入阻抗，天线位于车窗玻璃内部，并考虑部分车身对天线输入阻抗的影响。图5-270所示为车窗天线计算模型。确保天线与汽车结构的网格连续。FEKO中针对车窗天线的特殊算法，只要求玻璃结构的网格能够精确模拟几何结构即可，无须满足其仿真电尺寸要求，FEKO软件自动应用曲面单元模拟玻璃结构。其中，“Offset A”为0，说明天线单元位于“Reference plane”位置。......
2023-10-31
目前，最受研究人员青睐的深度学习框架有TensorFlow、Keras、CNTK、Caffe、MXNet和Torch。人工智能是一个标准的众创型技术，每一个巧妙的算法、每一种灵光乍现的逻辑，都可能解开困扰整个人类的问题。从目前来看，国内深度学习框架正在凭借开发环境、社区资源和企业激励计划，逐渐对欧美主流开发平台形成冲撞。......
2023-06-28
图10-19替换TASA试验台转向子系统Tasa试验台修正。图10-20TASA试验台双轴转向仿真。单击Simulate > Suspension Analysis > Steering命令，弹出转向仿真对话框，如图10-21所示；图10-21双轴转向仿真设置Output Prefix：Steering；Number of Steps：1 000；Mode of Simulation：interactive；Vertical Setup Mode：Wheel Center；Upper Steering Limit：500；Lower Steering Limit：－500；Travel Relative To：Wheel Center；Control Mode：Absolute；Coordinate System：Vehicle；单击OK，完成双轴转向仿真如图10-22、图10-23所示。Travel Relative To：Wheel Center；Control Mode：Absolute；Coordinate System：Vehicle；单击OK，完成双轴转向仿真。......
2023-09-17
对于传统工厂来说，如何解决“瞎”“哑”“傻”的黑箱问题，转型成为“透明工厂”呢？除此之外，透明工厂的智能系统，还可以通过物联网，接入上游供应商、下游渠道商、物流商以及终端用户，最终形成一个信息无缝衔接、数据高速流动、决策高度智能的智能制造网络生态。为了提升生产效率，降低对工人技能的依赖，海尔模具厂从2013年开始了“透明工厂”的改造。最后利用工业大数据，海尔模具厂实现了智能化管理。......
2023-07-02
基于上一章提出的舞蹈姿态的时空特征提取方法，针对形成的新的舞蹈动作特征集合，本章将利用S-SOFM构建一个有效的输出模型，对舞蹈动作进行聚类和分析，从而实现舞蹈动作的识别。图2-6 离散的姿态序列本书采用S-SOFM来构建输出模型。此外，由于保留了SOFM的特点，因此数据样本在重复训练分类之后生成的S-SOFM的各神经元节点之间的拓扑映射关系与原始输入样本一样。......
2023-10-29
相关推荐