课程文献中心 更多>>

关键词： 脑胶质类淋巴系统   睡眠障碍   功能异常  

摘要： 文章阐述脑胶质类淋巴系统的结构与功能及其在睡眠障碍和其他神经系统疾病中的作用。脑胶质类淋巴系统由星形胶质细胞和血管周围间隙组成,负责脑间质液和脑脊液的交换,清除大脑中的代谢废物和调节颅内压。睡眠对脑胶质类淋巴系统的活性有显著影响,深度睡眠时清除效率最高。研究表明,脑胶质类淋巴系统在阿尔茨海默病、帕金森病、脑卒中、偏头痛和癫痫等神经系统疾病中的废物清除和调节功能起着重要作用。睡眠对该系统的清除功能有显著影响,睡眠不足或紊乱会导致脑内有害蛋白质积累,进而加重神经系统疾病的发展。研究脑胶质类淋巴系统在这些疾病中的作用,有助于理解其发病机制并开发新的治疗方法。

关键词： 脉冲耦合神经网络(PCNN)模型   遗传算法   融合算法  

摘要： 为提高图像增强技术的效能和适应性,本研究采用融合脉冲耦合神经网络(pulse coupled neural network, PCNN)和遗传算法(genetic algorithm, GA)的方法,设计了一种新型的图像增强方案。该算法以PCNN为基础,利用GA进行参数优化和模型调整,以期达到更优的图像处理效果。研究结果表明:相比传统图像增强技术,所提出的融合算法在图像清晰度、细节增强和噪声抑制等方面展现了显著优势,证明了该方案在实际应用中的高效性和实用性。

关键词： 忆阻器   低电压   类脑计算  

摘要： 忆阻器是非易失性存储器和神经形态计算的优秀候选者.电压调制作为其关键性能策略,是获得纳瓦超低功耗、飞焦超低能耗工作的基础,有助于打破功耗墙、突破后摩尔时代算力瓶颈.然而基于高密度集成忆阻器阵列的类脑计算架构还需重点考虑开/关比、高速响应、保留时间和耐久性等器件稳定性参数.因此如何在低电场下实现离子/电子的高效、稳定驱动,构筑电压低于1 V的低电压、高性能忆阻器成为了当前实现类脑计算能效系统的关键问题.本文综述了近年来面向类脑计算的低电压忆阻器的研究进展.首先,探讨了低电压忆阻器的机制,包括电化学金属化机制和价态变化机制.在此基础上,系统总结了各材料体系在低电压忆阻器中的优势,涵盖了过渡金属氧化物、二维材料和有机材料等.进一步围绕材料工程、掺杂工程、界面工程提出了相应的低电压忆阻器实现策略,最后,展望了基于低电压忆阻器的类脑功能模拟及神经形态计算应用,并对现存问题和未来研究方向进行了讨论.

关键词： 脑类器官   质量鉴定   疾病模型   神经疾病  

摘要： 从十多年前发现自组装脑类器官(brain organoids)构建方案以来,这一领域取得了显著进展。这些脑类器官的细胞类型和结构与发育中的人类大脑极为相似,使其成为获得性和遗传性脑疾病的致病机制及病因学的理想模型。此外,区域特异性脑类器官的开发,为药物发现和毒性测试提供了针对性的平台。作为研究工具,脑类器官为揭示人类神经系统疾病的分子机制提供了新的视角。本文综述了构建脑类器官的技术以及这些技术在模拟神经疾病方面的应用研究,旨在为该领域的应用研究提供有价值的参考和启示。

关键词： 智能机器人   工业机器人   仿人机器人   人工智能   聊天机器人   机器学习   脑模型   发明专利授权  

摘要： 肖南峰,华南理工大学计算机科学与工程学院教授,日本横浜国立大学工学博士,研究方向:智能机器人与人工智能。近年来,他围绕着智能机器人(仿人机器人、家政机器人、工业机器人、聊天机器人、识别机器人)和人工智能(类脑模型、类脑信息处理、机器学习)的基础理论和应用技术进行了深入研究。先后承担和完成了多项国家自然科学基金项目和省部级重点(重大)科研项目。在国内外著名杂志和重要学术会议.上发表学术论文近200篇,其中被3大索引收录100多篇(次);主编和参编并出版《机器人大脑》《仿人机器人》《工业机器人》《服务机器人》《智能机器人》等中文、英文专著和教材;获得发明专利授权15项,实用新型专利16项,软件版权37个。

关键词： 脉冲神经网络   类脑处理器   启发式算法   部署   片上网络  

摘要： 近年来，具有生物合理性和能效优势的脉冲神经网络(SNN)受到广泛关注。然而，目前在类脑处理器上部署SNN的映射方案存在通信延迟高、拥塞严重、能耗高和节点连接性不足等问题，从而削弱了其实用性和执行效率。为解决这些问题，提出了基于KL(Kernighan-Lin)和BADE(Boltzmann Anneal Differential Evolution，波尔兹曼退火差分进化)的改进部署算法，用于将SNN映射到资源受限的类脑处理器上。该算法包括两个步骤：分区和映射。在分区阶段，通过在递归KL算法中引入全局优化策略(GRBKL)来最小化集群之间的通信延迟；在映射阶段，提出利用吸引子导向的BADE算法(BAFDE)寻找最小化通信延迟和最大拥塞的分配方式。最后，用五个SNN实例对该算法进行了评估，结果表明，与SNEAP和SpiNeMap等方法相比，所提出的算法显著降低了通信延迟(分别降低了55.41%和97.43%)和最大拥塞(分别降低了81.27%和97.79%)。

关键词： 设计需求分析   混合增强智能   脉冲神经网络   犹豫模糊集   基于模型的系统工程  

摘要： 重要厂用水系统是与核安全紧密相关的系统，负责在各种运行工况条件下导出核岛的热量至最终热阱。由于核电厂选址和机型的差异、海洋水文、地理特征、气象等因素对设计方案的影响，重要厂用水系统具备按单设计型工程特性，合理与直观的设计需求分析是后续配置设计的重要基础。针对如何准确地辨识设计需求重要度以消除认知不确定性、规范地建立设计需求模型以确保需求的完备性与可追溯性等问题，提出混合增强智能驱动的重要厂用水系统设计需求分析方法，旨在利用人类高层次的认知能力弥补计算机处理设计需求信息的不足，同时利用计算机的运算能力突破人脑认知过程的推理能力限制。首先，结合考虑人类语言特性的语言激励双向编码器表示预训练模型、模拟大脑前额叶-海马体神经回路的双向长短时记忆网络以及多头注意力机制对设计需求文本语义进行深度挖掘，并将语义特征输入模拟大脑多巴胺奖励系统的奖励调制脉冲神经网络进行设计需求分类。其次，考虑核电专家语义表达的模糊性、群体权重的不确定性，构建基于犹豫模糊集的非线性规划模型识别设计需求重要度并做进一步修正。最后，利用基于模型的系统工程方法建立形式化、结构化的系统模型对设计需求进行统一完备表达。

关键词： 孤独症谱系障碍   类淋巴系统   血管周围间隙   弥散张量成像   磁共振成像  

摘要： 目的:基于血管周围间隙弥散张量成像分析法(DTI-ALPS)探讨9~18岁孤独症谱系障碍(ASD)男性患者脑类淋巴系统功能改变,以及沿血管周围间隙(ALPS)指数与临床表现间的关系。方法:纳入北京大学第六医院符合美国精神障碍诊断与统计手册第五版(DSM-5)孤独症谱系障碍诊断标准的9~18岁男性34例,以及年龄相匹配的正常男性对照30例。采集所有受试者弥散张量成像(DTI)数据并计算ALPS指数,比较2组受试者临床资料和双侧ALPS指数(ALPS-L、ALPS-R)的差异。采用相关性分析检验双侧ALPS指数与社交反应量表(SRS)的相关性。结果:与正常对照组相比,ASD组ALPS-L及ALPS-R指数显著减低(t=2.060,P=0.044;t=2.675,P=0.010)。总体ALPS-L与SRS量表各因子分及总分无明显相关关系(P均>0.05),总体ALPS-R与SRS社交认知因子分、社交沟通因子分、社交动机因子分无明显相关关系(P均>0.05),总体ALPS-R与SRS社交知觉因子分、孤独症行为方式因子分及SRS总分均呈负相关关系(r=-0.309,P=0.013;r=-0.359,P=0.004;r=-0.298,P=0.017)。结论:ASD患者存在大脑类淋巴系统功能异常,类淋巴系统功能异常与ASD临床症状相关,可能是ASD患者潜在病理基础之一。

关键词： 粤港澳大湾区   类脑智能产业   类脑计算   类脑芯片   类脑计算系统   脑机接口  

摘要： 类脑智能产业属于战略性高端制造业,在智能时代有着广阔的发展前景。未来,我国科技、经济、社会和国家安全各领域对类脑智能技术与产业都有巨大的需求。粤港澳大湾区通过实施重大专项并建设新型类脑智能专业科研机构,积极布局类脑智能技术研发,培育相关产业。目前,粤港澳大湾区类脑智能产业链初步建立,科研人才初具规模,已实现了初步的科研成果转化,出台了知识产权保护、科创金融服务等配套政策,但面临着产业链部分环节较薄弱、供应链缺乏、应用场景待拓展、高端产业转化人才不足等问题。文章提出5点建议:(1)加强脑认知与类脑智能基础前沿研究,并与产业需求紧密衔接;(2)完善类脑智能产业链,重点补齐芯片制造、封装测试等短板;(3)发展类脑智能产业供应链,升级设备制造业;(4)粤港澳协同合作,引进和培育高端产业人才;(5)通过多种方式加强国际合作。

关键词： 脉冲神经网络   低功耗推理   高效训练   低延迟  

摘要： 脉冲神经网络(Spiking neural network,SNN)由于具有相对人工神经网络(Artifcial neural network,ANN)更低的计算能耗而受到广泛关注.然而,现有SNN大多基于同步计算模式且往往采用多时间步的方式来模拟动态的信息整合过程,因此带来了推理延迟增大和计算能耗增高等问题,使其在边缘智能设备上的高效运行大打折扣.针对这个问题,本文提出一种自适应时间步脉冲神经网络(Adaptive timestep improved spiking neural network,ATSNN)算法.该算法可以根据不同样本特征自适应选择合适的推理时间步,并通过设计一个时间依赖的新型损失函数来约束不同计算时间步的重要性.与此同时,针对上述ATSNN特点设计一款低能耗脉冲神经网络加速器,支持ATSNN算法在VGG和ResNet等成熟框架上的应用部署.在CIFAR10、CIFAR100、CIFAR10-DVS等标准数据集上软硬件实验结果显示,与当前固定时间步的SNN算法相比,ATSNN算法的精度基本不下降,并且推理延迟减少36.7%~58.7%,计算复杂度减少33.0%~57.0%.在硬件模拟器上的运行结果显示,ATSNN的计算能耗仅为GPU RTX 3090Ti的4.43%~7.88%.显示出脑启发神经形态软硬件的巨大优势.