图示 - AI在线

Nature子刊综述：储层计算未来的新机遇和挑战，华为联合复旦等发布

储层计算可能发挥重要作用的应用领域。编辑 | 紫罗尽管深度学习在处理信息方面取得了巨大成功，但其依赖于训练大型神经网络模型，限制了其在常见应用中的部署。因此，人们对开发能快速推理和快速适应的小型轻量级模型的需求日益增长。作为当前深度学习范式的替代方向，神经形态计算研究引起了人们的极大兴趣，其主要关注开发新型计算系统，这些系统的能耗只有当前基于晶体管的计算机的一小部分。在神经形态计算中，一个重要的模型家族是储层计算（RC），储层计算起源于 21 世纪初，它在过去的二十年中取得了重大进展。为了释放储层计算的全部功能，为