-
摘要: 当前，人工智能技术的复兴正引领着新一代信息技术迅猛发展，由电子驱动的计算处理器在过去十年中发生了巨大的变化，从通用中央处理器(CPU)到定制计算平台，例如GPU、FPGA和ASIC，以满足对计算资源无处不在的持续增长的需求。这些硅计算硬件平台的进步催生了更大规模的训练和更复杂的模型，极大地促进了人工智能(AI)的复兴。我们见证了各种神经计算架构，例如卷积神经网络(CNN)、递归神经网络(RNN)、脉冲神经网络(SNN)等，在诸多领域的广泛应用。
-
-
[1] Wetzstein G et al. Nature, 2020, 588:39
[2] Shastri B J et al. Nature Photonics, 2021, 15:102
[3] Shen Y et al. Nature Photonics, 2017, 11(7):441
[4] Tait A N et al. Scientific Reports, 2017, 7(1):7430
[5] Lin X et al. Science, 2018, 361(6406):1004
[6] Feldmann J et al. Nature, 2021, 589:52
[7] Zhou T et al. Nature Photonics, 2021, 15:367
[8] Xu Z et al. Light:Science & Applications, 2022, 11(1):255
[9] Zhou T et al. Science Advances, 2023, 9(23):eadf4391
[10] Yuan X et al. Nature Communications, 2023, 14(1):7110
[11] Chen Y et al. Sci. Adv., 2023, 9:eadf8437
[12] Chen Y et al. Nature, 2023, 623:48
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 407
- HTML全文浏览量: 86
- PDF下载量: 1410
- 被引次数: 1
下载:
