论文名称： Collective and synchronous dynamics of photonic spiking neurons 论文作者： Takahiro Inagaki, Kensuke Inaba, Timothée Leleu, Toshimori Honjo, Takuya Ikuta, Koji Enbutsu, Takeshi Umeki, Ryoichi Kasahara, Kazuyuki Aihara & Hiroki Takesue 发表时间：2020/09/24 论文链接：https://arxiv.org/abs/2009.11454 推荐原因：利用脉冲神经元的群体动力实现新颖的信息处理方法

近期，SNN（脉冲神经网络）的非线性动力学引起人们的极大兴趣，因为SNN可能是大脑中的信息处理方式并可以应用于人工智能领域。由于可以通过群体的神经元脉冲动力学进行处理信息，因此，需要对神经形态设备的脉冲动力学进行精细控制。该论文显示，可以通过改变光学泵浦振幅来控制用成对的非线性光学振荡器实现的光子脉冲神经元，以产生两种脉冲动力学模式。通过增加光泵浦幅度来控制DOPO( degenerate optical parametric oscillators )神经元的脉冲动态模式从II类变到I类。当在网络中耦合时，可以发现光子神经元之间的相互作用会根据表征同步的阶次参数在泵浦振幅上引起有效的变化，并且由于不同脉冲模式的交叉，激发速率得到了动态调节。脉冲模式的这种灵活的可控制性引起了DOPO神经元群体动力学的自调节作用，所以随着同步阶数的增加，泵浦振幅有效地增加。实验结果表明，有效变化会导致群体的神经元的脉冲模式和激发速率的自发改变，这种群体动力学可用于实现有效的启发式方法来解决NP-hard组合优化问题。此外，论文中利用点火速率的自调谐效应来改善Ising自旋网络的优化过程，对局部能量的激发速率选择性可能是找到全球较低能量解决方案的有效方法。由于群体脉冲动力学的自调节作用，当前的DOPO神经网络固有地包括这样的动力学优化过程。根据网络结构、耦合强度以及与相邻神经元的同步性，可以自适应地调整DOPO神经元的脉冲模式和激发速率。该特性或将为基于人工SNN的信息处理设计提供额外的自由度. 主要贡献： 1. 改变光学泵浦振幅来控制用成对的非线性光学振荡器实现的光子脉冲神经元，以产生两种脉冲动力学模式 2. 群体的神经元的脉冲模式和激发速率的自发改变导致的群体动力学可用于实现有效的启发式方法来解决NP-hard组合优化问题 图 DOPO神经网络实验室设置

内容中包含的图片若涉及版权问题，请及时与我们联系删除