Neuromorphic Computing: Pagbuo ng Mga Computer na Parang Utak

Nai-publish Hunyo 20, 2026

"Ang pinakamahusay na paraan upang mahulaan ang hinaharap ay ang likhain ito." – Peter Drucker, kilalang consultant sa pamamahala at may-akda.

Nakakakita tayo ng malaking pagbabago sa computing, patungo sa isang bagong paraan na gagaya sa kung paano gumagana ang ating utak. Ang larangang ito, ang neuromorphic computing , ay maaaring magpabago sa kung paano natin nilulutas ang mga kumplikadong problema at ginagamit ang artificial intelligence (AI).

Ito ay hango sa istruktura ng utak at kung paano ito gumagana. Nais ng neuromorphic computing na gumawa ng mga electronic circuit at sistema na mas mahusay sa mga bagay tulad ng pagtingin, paggawa ng mga desisyon, at pagkatuto. Sa pamamagitan ng paggamit ng mahusay na paraan ng utak sa pagproseso ng impormasyon, makakagawa tayo ng mga computer na gumagamit ng mas kaunting enerhiya at mas mahusay na gumagana sa maraming gawain.

Susuriin natin ang mga pangunahing ideya, mga bagong tuklas, at kung paano babaguhin ng larangang ito ang teknolohiya. Samahan kami upang makita kung paano mababago ng pagbuo ng mga computer na parang utak ang hinaharap.

Key Takeaways

• Neuromorphic computing ay isang umuusbong na larangan na naglalayong gayahin ang mga kakayahan sa pagproseso ng impormasyon ng utak ng tao.
• Ang layunin ay bumuo ng mga advanced na teknolohiya sa pag-compute na maaaring madaig ang mga tradisyonal na digital system sa mga gawain tulad ng perception, paggawa ng desisyon, at pag-aaral.
• Neuromorphic computing nakikinabang sa utak pag-compute na matipid sa enerhiya at mga kakayahan sa pagpoproseso ng impormasyon upang lumikha ng mga sistema ng pag-compute na mababa ang kapangyarihan at mataas ang pagganap.
• Ang neuromorphic computer ng Intel, Hala Point, ay maaaring magsagawa ng mga AI workload ng 50 beses na mas mabilis at gumamit ng 100 beses na mas kaunting enerhiya kaysa sa mga conventional computing system.
• Sinasaliksik ng mga mananaliksik ang iba't ibang materyales, kabilang ang graphene at nafion, upang bumuo ng mga tulad-utak na computing device na may pinahusay na pagganap at kahusayan sa enerhiya.

Ano ang Neuromorphic Computing?

Ang neuromorphic computing ay isang larangan na pinagsasama ang biology, physics, matematika, computer science, at engineering. Nilalayon nitong lumikha ng mga artipisyal na neural system na gumagana tulad ng utak ng tao. Sinusuri ng neuromorphic engineering kung paano makakatulong ang istruktura at mga tungkulin ng utak sa paggawa ng mas mahusay na mga sistema ng computing.

Kahulugan at Inspirasyon mula sa Utak ng Tao

Ang utak ng tao ay lubhang kumplikado, na may bilyun-bilyong neuron at trilyong koneksyon. Sinusubukan ng neuromorphic computing na gayahin ang paraan ng pagproseso ng impormasyon ng utak. Nakatuon ito sa kung paano nagtutulungan ang mga neuron at ginagamit ang Spiking Neural Networks para sa paghawak ng mga gawaing nakabatay sa oras.

Mga Pangunahing Aspeto ng Neuromorphic Engineering

• Ginagaya ang analog na katangian ng biological computation
• Pag-unawa sa papel ng mga neuron sa katalusan
• Ginagamit Mga Spiking Neural Network para temporal computing
• Pagguhit ng plano Mga Arkitekturang May Inspirasyon sa Utak para sa mahusay at matatag Cognitive Computing
• Leveraging Mga Artipisyal na Neural Networks upang lumikha ng Neuromorphic Engineering system

Ang mga neuromorphic system ay ginawa upang gumana tulad ng mga neuron at synapses sa utak. Maaari itong gawing mas mahusay, madaling ibagay, at mas mahusay na pangasiwaan ang mga error kaysa sa tradisyonal na mga computer.

Sa kabila ng mga hamong tulad ng katumpakan, mga limitasyon ng software, at mga isyu sa pag-access, ang Neuromorphic Computing ay sinusuri para sa maraming gamit. Kabilang dito ang AI, mga autonomous system, mga bagong semiconductor, at deep learning.

"Ang tanong ng kahusayan ng kuryente ay pinaniniwalaan na susi sa pag-unlock ng mga lihim ng utak at pag-unawa kung paano ito nakakamit ng mataas na antas ng pag-andar na may kaunting pagkonsumo ng enerhiya."

Ang Supercomputing Power ng Utak

Ang utak ng tao ay isang kamangha-manghang likas na kababalaghan, na kumikilos bilang isang supercomputer. Gumagamit lamang ito ng 20 watts ng kapangyarihan ngunit nakakagawa ng mga hindi kapani-paniwalang gawain. Kasama sa mga gawaing ito ang pagproseso ng impormasyon, pag-unawa sa mundo, at paggawa ng mga desisyon. Ito ay mas mahusay kaysa sa pinakamabilis na supercomputer sa mundo, na nangangailangan ng 21 milyong watts.

Interesado ang mga siyentipiko kung paano gumagana ang utak. Pinag-aaralan nila ang mga pamamaraan ng pag-compute nito upang mapabuti ang mga computer at algorithm sa hinaharap. Sa pamamagitan ng pagtingin sa kung paano ginagamit ng utak ang parallel processing , temporal computing , at kung paano ito matipid sa enerhiya , umaasa silang makakagawa ng malalaking pagsulong sa Utak bilang Supercomputer.

Ang Utak bilang Supercomputer ay mas matipid sa enerhiya kaysa sa mga lumang supercomputer. Ipinapakita nito ang malaking potensyal ng neuromorphic computing. Habang patuloy na pinapabuti ng mga mananaliksik ang teknolohiyang ito, maaari nating asahan ang isang hinaharap kung saan ang mga computer at AI ay mas mahusay at makapangyarihan, na inspirasyon ng utak ng tao.

"Ang utak ng tao ay maaaring magsagawa ng parehong bilang ng mga operasyon bilang mga supercomputer na may 20 watts lamang ng kapangyarihan."

Pagtulay sa Gap sa Pagitan ng Utak at Artipisyal na Sistema

Nilalayon ng neuromorphic computing na tulayin ang agwat sa pagitan ng lakas ng pag-compute ng utak at mga limitasyon ng tradisyonal na mga digital system. Nakatuon ito sa proporsyonalidad ng enerhiya , kung saan ang mga bahagi ay gumagamit lamang ng lakas kung kinakailangan. Tinitingnan din nito ang napakalaking paralelismo , na nagpoproseso ng impormasyon sa maraming neuron nang sabay-sabay.

Ang SpiNNaker2 Chip: Isang Flexible na Neuromorphic Platform

Ang SpiNNaker2 chip ay isang makabagong neuromorphic platform. Kaya nitong humawak ng hanggang 10 bilyong neuron at magsagawa ng 0.3 eksaop ng mga gawain sa AI. Ipinapakita nito kung paano kayang talunin ng neuromorphic hardware ang mga tradisyunal na sistema.

Ang SpiNNaker1 chip, ang hinalinhan nito, ay ginagamit ng 60 research group sa 23 bansa. Ipinapakita nito ang lumalaking interes sa mga sistemang ito.

Ang Sandia National Labs ay isa sa mga unang gumamit ng SpiNNaker2 para sa pananaliksik. Plano nilang pag-aralan kung paano maaaring madaig ng mga sistemang neuromorphic ang mga tradisyonal. Sinusuportahan ng SpiNNaker2 ang mga kumplikadong panuntunan sa pag-aaral na hindi posible sa mas lumang mga system.

May mga pagsisikap na isinasagawa sa Purdue University, University of California San Diego (UCSD), at École Supérieure de Physique et de Chimie Industrielles (ESPCI) sa Paris. Itinuturo ni Eric Carlson, isang propesor sa Purdue, ang mga limitasyon ng kasalukuyang mga computer para sa advanced AI. Nakikita niya ang malaking pangangailangan para sa mga solusyon sa neuromorphic hardware.

Mga Spiking Neural Network at Temporal Computing

Nasa kaibuturan ng neuromorphic computing ang ideya ng spiking neural networks (SNNs) . Ginagamit ng mga network na ito ang timing ng mga electrical impulse, o spike, upang i-encode ang impormasyon. Hindi ito katulad ng tradisyonal na artificial neural networks na gumagamit ng tuluy-tuloy na neuron activation. Ang spike-based na pamamaraang ito ay susi sa kung paano gumagana ang ating utak at maaaring humantong sa mas mahusay at matalinong mga sistema ng computing.

Komunikasyon na Nakabatay sa Spike at Encoding ng Impormasyon

Ginagamit ng mga neuromorphic system ang timing ng impormasyon upang mas mahusay itong maproseso kaysa sa mga lumang digital system sa ilang mga gawain. Ginagaya nila ang paraan ng utak sa mahusay na paggamit ng enerhiya, binabago ito batay sa ginagawa nito. Ang mga spiking neural network ay gumagamit ng mas kaunting enerhiya kaysa sa mga lumang network dahil gumagana lamang ang mga ito kapag kinakailangan. Nangangahulugan ito na mas kaunting enerhiya ang kanilang ginagamit sa pangkalahatan.

1. Ang Speck neuromorphic chip ay gumagamit ng napakakaunting kapangyarihan kapag hindi ito gumagana, 0.42mW lang, na nagpapakitang ito ay matalino sa enerhiya.
2. Ang chip na ito ay kayang hawakan ang mga gawain sa real-time gamit lamang ang 0.70mW, na nagpapatunay na ito ay mahusay sa totoong paggamit.
3. Ang mga platform tulad ng SpiNNaker, BrainScales, Neurogrid, TrueNorth, Darwin, Loihi, at paggamit ng Tianjic komunikasyong nakabatay sa spike para makatipid ng enerhiya.
4. Ang Speck chip ay maaaring magproseso ng isang spike sa loob lamang ng 3.36µs, na nagpapakitang ito ay mabilis para sa spike-based machine intelligence.

Mahusay ang mga spiking neural network sa paghawak ng mga sequence at pattern sa paglipas ng panahon. Dahil dito, mas mahusay ang mga ito sa pag-unawa sa konteksto at kung paano nagbabago ang mga bagay-bagay. Gumagamit sila ng mga bagay tulad ng spike-timing-dependent plasticity (STDP) upang matuto mula sa mga pattern ng data. Maaari itong humantong sa AI na natututo sa paglipas ng panahon at unti-unting gumagaling.

"Nangangako ang Neuromorphic computing ng mga order ng magnitude improvement sa energy efficiency kumpara sa tradisyonal na von Neumann computing paradigm."

Neuromorphic Computing: Pagbuo ng Mga Computer na Parang Utak

Ang larangan ng neuromorphic computing ay nakatuon sa paggawa ng mga kompyuter na gumagana tulad ng utak ng tao. Ginagamit nito ang mahusay na paraan ng utak sa paghawak ng impormasyon upang makagawa ng mga bagong uri ng kompyuter. Ang mga kompyuter na ito ay maaaring gumawa ng mga bagay tulad ng makakita, gumawa ng mga desisyon, at matuto nang mas mahusay kaysa sa mga lumang kompyuter.

Binabago ng neuromorphic computing kung paano tayo nagdidisenyo ng mga computer. Lumalayo ito sa mga lumang sistema na nagpoproseso ng impormasyon nang paisa-isa. Sa halip, ginagamit nito ang paraan ng utak sa paggawa ng maraming bagay nang sabay-sabay. Dahil dito, ang mga computer ay gumagamit ng mas kaunting enerhiya at gumagana nang mas mahusay para sa ilang mga gawain.

Kayang lutasin ng neuromorphic computing ang mga problemang hindi kayang lutasin ng mga lumang computer. Ginagawa nito ito sa pamamagitan ng pagsasama-sama ng memory at processing units sa isa. Nangangahulugan ito na mas mabilis na gumagana ang mga computer at mas kaunting kuryente ang kanilang nagagamit.

Ang ideyang ito ay hindi lamang isang panaginip. Ito ay nagiging makatotohanan salamat sa mga proyektong tulad ng Human Brain Project at ng BRAIN Initiative . Ang mga kumpanyang tulad ng IBM at Intel ay nagtatrabaho rin dito. Gumawa sila ng mga chips tulad ng TrueNorth at Loihi na nagpapakita kung gaano kalakas ang teknolohiyang ito.

Ang neuromorphic computing ay humahantong sa atin sa mga bagong tuklas sa artificial intelligence at robotics. Sa pamamagitan ng pagkopya sa utak, maaari tayong gumawa ng mga computer na magbabago sa kung paano natin nilulutas ang mga kumplikadong problema at nakikipag-ugnayan sa mundo.

Pagtagumpayan ang von Neumann Bottleneck

Karamihan sa mga computer ngayon ay gumagamit ng arkitekturang von Neumann , kung saan ang memorya at ang CPU ay magkahiwalay. Ang setup na ito, na kilala bilang von Neumann bottleneck , ay nagpapababa ng kanilang kahusayan. Ang data ay gumagalaw pabalik-balik sa pagitan ng processor at memorya, na nagsasayang ng enerhiya. Gayunpaman, pinagsasama ng utak ang memorya at pagkalkula sa isang lugar, na ginagawa itong napakahusay. Sinusuri ng neuromorphic computing ang mga arkitekturang nakasentro sa memorya at in-memory computing upang gayahin ang kahusayan ng utak.

Memory-Centric Architecture at In-Memory Computing

Kakaunti lang ang enerhiyang ginagamit ng utak, hindi tulad ng mga supercomputer ngayon. Ito ay dahil pinoproseso nito ang impormasyon nang hindi inililipat ang data sa pagitan ng memory at processing units. Nilalayon din ito ng neuromorphic computing sa pamamagitan ng pagtuon sa mga arkitekturang nakasentro sa memorya at in-memory computing . Inilalapit ng mga pamamaraang ito ang pagkalkula sa kung saan nakaimbak ang data.

Ang mga neuromorphic na arkitektura na ito ay may ilang mga pangunahing tampok:

• Pagproseso ng spatial at temporal na data, na inspirasyon ng utak spiking neural network
• Highly parallel at distributed information processing, katulad ng napakalaking interconnectivity ng utak
• Ang paggamit ng mga umuusbong na teknolohiya ng memorya, tulad ng mga memristor, upang lumikha ng mga artipisyal na synapses na maaaring matuto at umangkop

Ang mga proyektong tulad ng TrueNorth chip ng IBM at ang SpiNNaker at BrainScaleS system ng Human Brain Project ng EU ay nangunguna sa neuromorphic computing . Nilalayon nilang pantayan ang kahusayan at laki ng utak sa mga artipisyal na sistema.

Ang pagtagumpayan ang bottleneck ni von Neumann ay susi sa pag-unlock ng buong potensyal ng neuromorphic computing . Ito ay tungkol sa paggawa ng mga computer na kasinghusay ng utak ng tao.

Mga Neuromorphic Vision Sensor at Event-Based Processing

Ang neuromorphic computing ay gumawa ng malalaking hakbang sa mga vision sensor at processing system. Gumagana ang mga sistemang ito tulad ng utak, na nagpoproseso ng impormasyon habang nangyayari ito. Iba ito sa mga lumang camera na kumukuha at nagpoproseso ng lahat sa lahat ng oras.

Ang mga vision sensor na ito, na kilala bilang Event-Based Vision Sensors (EVS) , ay tumutugon lamang sa mga pagbabago sa kanilang nakikita. Nagpapadala sila ng impormasyon nang pabigla-bigla, tulad ng ginagawa ng ating utak. Ginagawa silang mahusay para sa mga gawaing nangangailangan ng mabilis at mababang lakas na paningin, tulad ng sa mga robot, mga self-driving na sasakyan, at mga smart device.

Malaki ang benepisyo ng mga Neuromorphic Vision Sensor at Event-Based Processing . Nangunguna ang mga kumpanyang tulad ng Sony Semiconductor Solutions Group at mga startup tulad ng PROPHESEE. Pinagsama nila ang kanilang mga kasanayan upang makagawa ng mga advanced na Neuromorphic Vision Sensor.

"Maaaring subaybayan ng Mga Sensor ng Paningin na nakabatay sa kaganapan ang mga bagay na gumagalaw sa mataas na bilis sa real-time at inaasahang mapahusay ang mga kakayahan ng AI at robotics."

Kailangan natin ng mas mahusay at mas mabilis na mga sistema ng machine vision. Ang gawain sa Neuromorphic Vision Sensors at Event-Based Processing ay lubos na nangangako. Sa pamamagitan ng pag-aaral mula sa kung paano gumagana ang ating mga mata, ang mga teknolohiyang ito ay maaaring humantong sa isang mas matalino at mas luntiang kinabukasan para sa Spiking Neural Networks at Energy-Efficient Perception.

Memristor Technology at Resistive RAM

Binabago ng mga bagong teknolohiya sa memorya tulad ng mga memristor at resistive RAM (RRAM) ang takbo ng neuromorphic computing. Gumagana ang mga ito tulad ng mga synapse at neuron ng ating utak, na pinagsasama ang memorya at pagkalkula sa paraang parang utak.

Mga Neuristor at Biologically-Inspired na Device

Nakagawa na ang mga siyentipiko ng mga neuristor , mga aparatong kumikilos tulad ng ating mga selula ng utak. Maaari silang maging mga pangunahing bahagi ng mga sistemang neuromorphic. Ang mga aparato at teknolohiyang ito ay mahusay para sa paggawa ng mahusay at makapangyarihang mga neuromorphic na computer.

Ang chip ay may 5,832 memristor, isang OpenRISC processor, at maraming converter. Gumagamit lamang ito ng mahigit 300 milliwatts at makakagawa ng 188 bilyong operasyon kada segundo kada watt. Kung ginawa gamit ang mas bagong teknolohiya, ito ay gagamit lamang ng 42 mW at gumanap nang mas mahusay nang hindi nangangailangan ng karagdagang memorya.

Malaki ang narating ng mga mananaliksik sa Tsina sa neuromorphic computing . Gumagamit sila ng teknolohiyang memristor at Resistive RAM . Ang gawaing ito ay pinangungunahan ng Key Laboratory for Ultraviolet Light-Emitting Materials and Technology at ng School of Science sa Changchun University of Science and Technology.

"Ang chip na nakabatay sa memristor ay nagpakita ng 94.6 porsyento na katumpakan sa pagkilala sa malignant mula sa mga benign tumor gamit ang hindi pinangangasiwaang pag-aaral."

Mga Pangunahing Proyekto at Inisyatiba sa Pananaliksik

Malaking bagay ang neuromorphic computing para sa mga mananaliksik at mga lider ng teknolohiya sa buong mundo. Marami na silang sinimulang malalaking proyekto at inisyatibo. Nilalayon ng mga pagsisikap na ito na masulit ang brain-inspired computing at isulong ang larangan.

Ang Human Brain Project at ang BRAIN Initiative

Ang Human Brain Project ay isang malaking proyektong nagkakahalaga ng $1.3 bilyon na pinondohan ng European Commission. Ang pangunahing layunin nito ay gayahin ang isang kumpletong utak ng tao sa isang supercomputer. Makakatulong ito sa atin na maunawaan kung paano gumagana ang utak at hahantong sa mga bagong teknolohiya sa computing. Sa US, ang BRAIN Initiative ay nagsusumikap din na gamitin ang kaalaman sa utak para sa mga bagong disenyo ng computing.

TrueNorth Chip ng IBM at Loihi ng Intel

Ang mga malalaking pangalan sa tech ay tumalon din sa neuromorphic computing. Ang IBM at Intel ay gumawa ng mga chips na kinokopya ang mga neural network ng utak. Maaaring baguhin ng mga chip na ito kung paano namin ginagamit ang teknolohiya, mula sa mga smartphone hanggang sa mga self-driving na sasakyan.

Ang malalaking proyekto at tech na inobasyon na ito ay nagtatakda ng yugto para sa hinaharap na may neuromorphic computing. Magbabago ito kung paano namin pinoproseso ang impormasyon at lutasin ang mga problema.

Mga Hamon at Mga Prospect sa Hinaharap

Lumalago ang larangan ng neuromorphic computing ngunit nahaharap sa malalaking hamon. Nilalayon nitong gayahin ang pagiging kumplikado ng utak ng tao sa mga artipisyal na sistema. Nangangahulugan ito ng paggawa ng mga kumplikadong network ng utak tungo sa gumaganang hardware at software.

Isang malaking hamon ang pagsasama-sama ng bagong memory tech tulad ng memristors sa mga system na ito. Ang isa pang hadlang ay ang paggawa ng mga sistemang ito na kasing lakas ng utak ng tao. Gayundin, may kakulangan ng mga pamantayan upang subukan ang mga system na ito, na nagpapabagal sa paggamit nito.

Sa kabila ng mga balakid na ito, malakas ang pananaw para sa brain-inspired computing . Habang lumalago ito, ang neuromorphic computing ay malamang na hahantong sa mga sistemang computing na matipid sa enerhiya at inspirado ng utak . Mas malulutas ng mga sistemang ito ang mga kumplikadong problema nang mas mahusay kaysa sa mga kasalukuyang computer. Maaari nilang baguhin ang maraming industriya, mula sa teknolohiya hanggang sa pangangalagang pangkalusugan.

Sinasabi ng mga eksperto na kailangan natin ng mas maraming suporta, pagtutulungan, at mga bagong ideya upang gawing karaniwan ang neuromorphic computing . Sa pamamagitan ng tamang suporta, maaaring baguhin ng teknolohiyang ito kung paano natin ginagamit ang mga computer at artificial intelligence.

"Ang neuromorphic computing ay maaaring magpagana ng mga robot, self-driving na kotse, at smart device habang gumagamit ng mas kaunting kapangyarihan sa pagproseso kaysa sa kasalukuyang teknolohiya."

Malalaking hamon ang hinaharap ng neuromorphic computing, ngunit napakalaki ng mga benepisyo nito. Habang ang mga eksperto at lider ay nagtatrabaho sa larangang ito, makakakita tayo ng mga sistemang computing na matipid sa enerhiya at inspirasyon ng utak . Babaguhin nito ang artificial intelligence at higit pa.

Konklusyon

Binabago ng neuromorphic computing kung paano natin iniisip ang mga computer. Ito ay inspirasyon ng mga kamangha-manghang kakayahan ng utak ng tao. Ang mga system na ito ay maaaring mas mahusay kaysa sa mga lumang computer sa maraming lugar, tulad ng pagtingin, paggawa ng mga desisyon, pag-aaral, at paglutas ng mga problema.

Ginagamit ng neuromorphic computing ang mahusay na paraan ng utak sa pagproseso ng impormasyon. Gumagamit din ito ng parallel processing at nag-iimbak ng data sa paglipas ng panahon. Ginagawa nitong mahusay ito para sa paglutas ng mga kumplikadong problema. Maaari nitong baguhin ang artificial intelligence, robotics, pangangalagang pangkalusugan, at neuroscience.

Natututo pa rin ang mga mananaliksik mula sa utak upang makagawa ng mas mahuhusay na artipisyal na sistema. Ang kinabukasan ng neuromorphic computing at brain-inspired computing ay mukhang napaka-promising. Sa pamamagitan ng mas maraming trabaho at pagtutulungan, masusulit natin ang mga bagong teknolohiyang ito. Ito ay hahantong sa mas matalino, mas flexible, at mga solusyon na nakakatipid sa enerhiya.

Source Links

• https://www.livescience.com/technology/computing/intel-unveils-largest-ever-ai-neuromorphic-computer-that-mimics-the-human-brain – Inilabas ng Intel ang pinakamalaking AI 'neuromorphic computer' na ginagaya ang utak ng tao
• https://cockrell.utexas.edu/news/archive/9541-graphene-synapses-advance-brain-like-computers – Graphene Synapses Advance Brain-like Computers
• https://blog.westerndigital.com/neuromorphic-computing/ – Hinahabol ng mga Siyentipiko ang parang Utak na Neuromorphic Computing
• https://builtin.com/artificial-intelligence/neuromorphic-computing – Ano ang Neuromorphic Computing? | Naka-built In
• https://www.nature.com/articles/s43588-021-00184-y – Mga pagkakataon para sa neuromorphic computing algorithm at application – Nature Computational Science
• https://www.newscientist.com/article/2426523-intel-reveals-worlds-biggest-brain-inspired-neuromorphic-computer/ – Ibinunyag ng Intel ang pinakamalaking 'brain-inspired' na neuromorphic na computer sa mundo
• https://singularityhub.com/2023/12/20/a-new-brain-like-supercomputer-aims-to-match-the-scale-of-the-human-brain/ – Isang Bagong Utak-Like Supercomputer na Nilalayon na Itugma ang Scale ng Utak ng Tao
• https://spectrum.ieee.org/neuromorphic-computing-spinnaker2 – Ang Computer na Inspirado ng Utak ay Lumalapit sa Sukat na Parang Utak
• https://www.unite.ai/bridging-the-gap-between-ai-and-neuromorphic-computing/ – Pagtulay sa Gap sa Pagitan ng AI at Neuromorphic Computing
• https://www.nature.com/articles/s41467-024-47811-6 – Spike-based dynamic computing na may asynchronous sensing-computing neuromorphic chip – Nature Communications
• https://medium.com/@deanshorak/spiking-neural-networks-the-next-big-thing-in-ai-efe3310709b0 – Spiking Neural Networks: Ang susunod na “Big Thing” sa AI?
• https://arxiv.org/html/2310.09692v2 – Nakabatay sa Spike na Neuromorphic Computing para sa Next-Generation Computer Vision
• https://www.frontiersin.org/journals/neurorobotics/articles/10.3389/fnbot.2022.1041108/full – Mga Hangganan | Isang pangkalahatang-ideya ng pag-compute na tulad ng utak: Arkitektura, mga aplikasyon, at mga trend sa hinaharap
• https://www.asianometry.com/p/why-brain-like-computers-are-hard – Bakit Mahirap ang Mga Computer na Parang Utak
• https://www.zdnet.com/article/what-is-neuromorphic-computing-everything-you-need-to-know-about-how-it-will-change-the-future-of-computing/ – Ano ang neuromorphic computing? Lahat ng kailangan mong malaman tungkol sa kung paano nito binabago ang hinaharap ng computing
• https://www.hpcwire.com/2016/03/21/lacking-breakthrough-neuromorphic-computing-steadily-advance/ – Higit pa kay von Neumann, Ang Neuromorphic Computing ay Tuloy-tuloy na Sumusulong
• https://seas.yale.edu/news-events/news/path-toward-brain-computers – Ang Landas Patungo sa Mga Computer na Parang Utak
• https://www.nature.com/articles/s41528-024-00313-3 – Sa non-von Neumann flexible neuromorphic vision sensors – npj Flexible Electronics
• https://www.sony-semicon.com/en/feature/2022032501.html – Ang mga Event-based Vision Sensor na maaaring gumana tulad ng mga optic nerve ng tao at subaybayan lamang ang mga pagbabago sa mga paksa ay magbubukas ng malawak na bagong posibilidad para sa AI at mga robot | Tampok｜Sony Semiconductor Solutions Group
• https://spectrum.ieee.org/first-programmable-memristor-computer – Unang Programmable Memristor Computer
• https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2021.662457/full – Mga Hangganan | Self-Powered Memristive System para sa Storage at Neuromorphic Computing
• https://www.nature.com/articles/s41467-024-45670-9 – Pagpapatupad ng hardware ng memristor-based na artipisyal na neural network – Nature Communications
• https://www.gu.se/en/news/new-discovery-opens-the-way-for-brain-like-computers – Ang bagong pagtuklas ay nagbubukas ng daan para sa mga computer na tulad ng utak
• https://www.mccormick.northwestern.edu/news/articles/2021/04/new-brain-like-computing-device-simulates-human-learning/ – Bagong Utak-Like Computing Device Simulates Human Learning
• https://medium.com/@kakotiaditya/about-the-future-neuromorphic-computing-d3d58ffeac22 – Tungkol sa Hinaharap: Neuromorphic Computing
• https://www.morganstanley.com/ideas/neuromorphic-computing-ai-brain – Nagdadala ang Cognitive Computing ng Human Touch | Morgan Stanley
• https://www.intechopen.com/chapters/86207 – Neuromorphic Computing sa pagitan ng Reality at Future Needs
• https://www.linkedin.com/pulse/neuromorphic-computing-power-brain-inspired-technology-kumar-wa7ae – Neuromorphic computing: Ang kapangyarihan ng teknolohiyang inspirasyon ng utak
• https://docs.lib.purdue.edu/cgi/viewcontent.cgi?article=1010&context=ideas – Mga Aplikasyon ng Neuromorphic Computing