다양한 신경형태 하드웨어 노드를 통합하여 동적으로 가상화하는 혁신적인 접근법을 제안합니다. 이를 통해 복잡한 작업을 효율적으로 처리할 수 있는 확장 가능하고 적응형 시스템을 구현합니다.
스핀트로닉스와 신경형태 컴퓨팅의 결합은 에너지 효율적이고 기능적으로 혁신적인 컴퓨팅 시스템을 구현할 수 있다.
GPU-RANC은 신경형태 컴퓨팅 하드웨어 아키텍처 설계 및 최적화를 위한 CUDA 기반 고속 시뮬레이션 프레임워크이다.
스파이크 구동 트랜스포머 V2는 저전력, 다양성, 고성능, 메타 아키텍처의 목표를 달성하여 신경형태 컴퓨팅 분야에서 새로운 이정표를 세웠다.
신경형태 컴퓨팅은 기존 von Neumann 컴퓨팅 패러다임에 비해 에너지 효율성이 크게 향상될 수 있는 방법을 제시한다. 뇌 기능을 학습하고 모방하여 적응형, 내고장성, 저전력, 고속, 지능형 시스템을 개발하는 것이 목표이다.
본 연구는 뇌 코드 유닛(BCU)과 기본 코드 유닛(FCU)을 활용하여 혼합 신호 설계 기법을 통해 신경형태 컴퓨팅 시스템의 계산 효율성, 정확성 및 적응성을 향상시키는 것을 목표로 한다.