Buchumschlag

Advancing Neuromorphic Computing: Mixed-Signal Design Techniques Leveraging Brain Code Units and Fundamental Code Units

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Isik, Murat, Miziev, Sols, Pawlak, Wiktoria, Howard, Newton
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Hardware Architecture Machine Learning Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TNNGen: Automated Design of Neuromorphic Sensory Processing Units for Time-Series Clustering
von: Vellaisamy, Prabhu, et al.
Veröffentlicht: (2024)

Memory Wall is not gone: A Critical Outlook on Memory Architecture in Digital Neuromorphic Computing
von: Yousefzadeh, Amirreza, et al.
Veröffentlicht: (2026)

A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures
von: Quintana, Fernando M., et al.
Veröffentlicht: (2024)

YANA: Bridging the Neuromorphic Simulation-to-Hardware Gap
von: Pachideh, Brian, et al.
Veröffentlicht: (2026)

Stuck-at Faults in ReRAM Neuromorphic Circuit Array and their Correction through Machine Learning
von: Sawal, Vedant, et al.
Veröffentlicht: (2024)

A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview
von: Szczerek, Wiktor J., et al.
Veröffentlicht: (2025)

A Case for Hypergraphs to Model and Map SNNs on Neuromorphic Hardware
von: Ronzani, Marco, et al.
Veröffentlicht: (2026)

An Efficient Multicast Addressing Encoding Scheme for Multi-Core Neuromorphic Processors
von: Su, Zhe, et al.
Veröffentlicht: (2024)

UniSpike: Accelerating Spiking Neural Networks on Neuromorphic Systems via Eliminating Address Redundancy
von: Xing, Qinghui, et al.
Veröffentlicht: (2026)

Flexi-NeurA: A Configurable Neuromorphic Accelerator with Adaptive Bit-Precision Exploration for Edge SNNs
von: Farahani, Mohammad, et al.
Veröffentlicht: (2026)

Explore Activation Sparsity in Recurrent LLMs for Energy-Efficient Neuromorphic Computing
von: Knunyants, Ivan, et al.
Veröffentlicht: (2025)

A 0.5-V Linear Neuromorphic Voltage-to-Spike Encoder Using a Bulk-Driven Transconductor
von: Akbari, Meysam, et al.
Veröffentlicht: (2026)

Benchmarking the Energy Cost of Assurance in Neuromorphic Edge Robotics
von: Kaczmarek, Sylvester
Veröffentlicht: (2026)

SNAP-V: A RISC-V SoC with Configurable Neuromorphic Acceleration for Small-Scale Spiking Neural Networks
von: Gunawardana, Kanishka, et al.
Veröffentlicht: (2026)

When Routers, Switches and Interconnects Compute: A processing-in-interconnect Paradigm for Scalable Neuromorphic AI
von: Srivatsav, Madhuvanthi, et al.
Veröffentlicht: (2025)

Demonstrating Analog Inference on the BrainScaleS-2 Mobile System
von: Stradmann, Yannik, et al.
Veröffentlicht: (2021)

A Synthesizable RTL Implementation of Predictive Coding Networks
von: Oh, Timothy
Veröffentlicht: (2026)

Core Placement Optimization of Many-core Brain-Inspired Near-Storage Systems for Spiking Neural Network Training
von: Zhu, Xueke, et al.
Veröffentlicht: (2024)

Resource-Efficient and Robust Inference of Deep and Bayesian Neural Networks on Embedded and Analog Computing Platforms
von: Klein, Bernhard
Veröffentlicht: (2025)

NeuroNAS: Enhancing Efficiency of Neuromorphic In-Memory Computing for Intelligent Mobile Agents through Hardware-Aware Spiking Neural Architecture Search
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

SpiDR: A Reconfigurable Digital Compute-in-Memory Spiking Neural Network Accelerator for Event-based Perception
von: Sharma, Deepika, et al.
Veröffentlicht: (2024)

Neuromorphic Principles for Efficient Large Language Models on Intel Loihi 2
von: Abreu, Steven, et al.
Veröffentlicht: (2025)

Hardware-Aware Model Design and Training of Silicon-based Analog Neural Networks
von: Filippeschi, Giulio, et al.
Veröffentlicht: (2025)

Hardware-Friendly Implementation of Physical Reservoir Computing with CMOS-based Time-domain Analog Spiking Neurons
von: Kimura, Nanako, et al.
Veröffentlicht: (2024)

General-purpose Dataflow Model with Neuromorphic Primitives
von: Zhang, Weihao, et al.
Veröffentlicht: (2024)

Catwalk: Unary Top-K for Efficient Ramp-No-Leak Neuron Design for Temporal Neural Networks
von: Lister, Devon, et al.
Veröffentlicht: (2025)

EasyACIM: An End-to-End Automated Analog CIM with Synthesizable Architecture and Agile Design Space Exploration
von: Zhang, Haoyi, et al.
Veröffentlicht: (2024)

You Only Spike Once: Improving Energy-Efficient Neuromorphic Inference to ANN-Level Accuracy
von: P, Srivatsa, et al.
Veröffentlicht: (2020)

Enabling Efficient Processing of Spiking Neural Networks with On-Chip Learning on Commodity Neuromorphic Processors for Edge AI Systems
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2025)

Full Feature Spiking Neural Network Simulation on Micro-Controllers for Neuromorphic Applications at the Edge
von: Niedermeier, L., et al.
Veröffentlicht: (2026)

When Spike Sparsity Does Not Translate to Deployed Cost: VS-WNO on Jetson Orin Nano
von: Yoo, Jason, et al.
Veröffentlicht: (2026)

Energy-Aware FPGA Implementation of Spiking Neural Network with LIF Neurons
von: Ali, Asmer Hamid, et al.
Veröffentlicht: (2024)

Optimal Gradient Checkpointing for Sparse and Recurrent Architectures using Off-Chip Memory
von: Bencheikh, Wadjih, et al.
Veröffentlicht: (2024)

Genetic Quantization-Aware Approximation for Non-Linear Operations in Transformers
von: Dong, Pingcheng, et al.
Veröffentlicht: (2024)

Embedding Hardware Approximations in Discrete Genetic-based Training for Printed MLPs
von: Afentaki, Florentia, et al.
Veröffentlicht: (2024)

Bayesian Inference on Binary Spiking Networks Leveraging Nanoscale Device Stochasticity
von: Katti, Prabodh, et al.
Veröffentlicht: (2023)

Neuromorphic Computing: A Theoretical Framework for Time, Space, and Energy Scaling
von: Aimone, James B
Veröffentlicht: (2025)

NeuroFlex: Column-Exact ANN-SNN Co-Execution Accelerator with Cost-Guided Scheduling
von: Manjunath, Varun, et al.
Veröffentlicht: (2025)

ReLANCE: A Resource-Efficient Low-Latency Cortical Neural Acceleration Engine
von: Kumar, Sonu, et al.
Veröffentlicht: (2025)

Functional Stability of Software-Hardware Neural Network Implementation The NeuroComp Project
von: Oleksii, Bychkov, et al.
Veröffentlicht: (2025)