এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ট্রু নর্থ
আইবিএম দ্বারা উন্নত নিউরোমরফিক প্রসেসর, যা ৪০৯৬টি নিউরোসিন্যাপটিক কোর-এ সংগঠিত ১ মিলিয়ন নিউরন এবং ২৫৬ মিলিয়ন সিন্যাপস নিয়ে গঠিত। এটি অত্যন্ত কম ৭০ মিলিওয়াট বিদ্যুৎ খরচে কাজ করে এবং ব্যাপক সমান্তরাল প্রক্রিয়াকরণের জন্য ইভেন্ট-ভিত্তিক আর্কিটেকচার ব্যবহার করে।
লোহি
ইন্টেলের নিউরোমরফিক চিপ যা ১৩০,০০০ নিউরন এবং ১৩০ মিলিয়ন সিন্যাপস সংহত করে এবং স্পাইক টাইমিং-নির্ভর প্লাস্টিসিটির মাধ্যমে অন-চিপ শেখার ক্ষমতা রাখে। এটি অ্যাসিঙ্ক্রোনাস ইভেন্ট-ভিত্তিক গণনা মডেল ব্যবহার করে এবং তত্ত্বাবধায়িত ও অ-তত্ত্বাবধায়িত শেখার বিভিন্ন স্কিম সমর্থন করে।
নিউরোসিন্যাপটিক কোর
ট্রু নর্থের মতো নিউরোমরফিক প্রসেসরে মৌলিক গণনা ইউনিট, যা একটি স্থানীয় আর্কিটেকচারে নিউরন, সিন্যাপস এবং অ্যাক্সন সংহত করে। প্রতিটি কোর স্বায়ত্তশাসিতভাবে কাজ করে এবং আইবিএম আর্কিটেকচারের ক্ষেত্রে ২৫৬টি নিউরন এবং ৬৫,৫৩৬টি সিন্যাপস পরিচালনা করতে পারে।
অ্যানালগ নিউরোমরফিক কম্পিউটিং
জৈবিক নিউরন এবং সিন্যাপসের আচরণ অনুকরণ করতে অবিচ্ছিন্ন সংকেত এবং অ্যানালগ সার্কিট ব্যবহার করে নিউরোমরফিক কম্পিউটিং পদ্ধতি। এই পদ্ধতি উচ্চতর ইন্টিগ্রেশন ঘনত্ব এবং শক্তি দক্ষতা প্রদান করে কিন্তু নির্ভুলতা এবং উৎপাদন পরিবর্তনশীলতার ক্ষেত্রে চ্যালেঞ্জ উপস্থাপন করে।
ডিজিটাল নিউরোমরফিক কম্পিউটিং
স্পাইকিং নিউরাল নেটওয়ার্কের আচরণ অনুকরণ করতে ডিজিটাল সার্কিট ব্যবহার করে নিউরোমরফিক বাস্তবায়ন, যা অ্যানালগ পদ্ধতির চেয়ে উন্নত নির্ভুলতা এবং পুনরুৎপাদনযোগ্যতা প্রদান করে। ট্রু নর্থ এবং লোহির মতো প্রসেসর সর্বোত্তম নির্ভরযোগ্যতা এবং স্কেলেবিলিটি নিশ্চিত করতে এই পদ্ধতি গ্রহণ করে।
নিউরোগ্রিড
স্ট্যানফোর্ড বিশ্ববিদ্যালয়ে উন্নত নিউরোমরফিক প্ল্যাটফর্ম যা সাবথ্রেশহোল্ড অ্যানালগ সার্কিট ব্যবহার করে মাত্র ৩ ওয়াট বিদ্যুৎ খরচে এক মিলিয়ন কর্টিক্যাল নিউরন অনুকরণ করে। এটি উচ্চ জৈবিক বিশ্বস্ততার সাথে জটিল নিউরোনাল গতিবিদ্যা মডেল করার ক্ষমতার দ্বারা স্বতন্ত্র।
ব্রেইনস্কেলএস
ইউরোপীয় নিউরোমরফিক সিস্টেম যা একটি ত্বরিত অ্যানালগ পদ্ধতি ব্যবহার করে যা জৈবিক বাস্তব সময়ের চেয়ে ১০০০ গুণ দ্রুত কাজ করে, জটিল নিউরাল নেটওয়ার্কের দ্রুত সিমুলেশন সম্ভব করে। এটি নিয়ন্ত্রণ এবং কনফিগারেশনের জন্য একটি নমনীয় ডিজিটাল অবকাঠামোর সাথে ওয়েফার-স্কেল অ্যানালগ সার্কিট সংযুক্ত করে।
স্পিননেকার
বৃহৎ-স্কেল নিউরোমরফিক আর্কিটেকচার যা এআরএম মাল্টি-কোর প্রসেসরের উপর ভিত্তি করে ডিজাইন করা হয়েছে, যা রিয়েল-টাইমে এক বিলিয়ন স্পাইকিং নিউরন পর্যন্ত সিমুলেট করতে পারে। এটি কোরগুলির মধ্যে যোগাযোগের জন্য মেশ নেটওয়ার্ক ব্যবহার করে এবং কর্টিক্যাল নেটওয়ার্কের বৃহৎ-স্কেল সিমুলেশনের জন্য বিশেষভাবে অপ্টিমাইজড।
MorphIC
হাইব্রিড নিউরোমরফিক চিপ যা নিয়ন্ত্রণের জন্য ডিজিটাল সার্কিটের সাথে নিউরোনাল কম্পিউটেশনের জন্য অ্যানালগ সার্কিটকে একত্রিত করে, নির্ভুলতা এবং শক্তি দক্ষতার মধ্যে একটি ভারসাম্য প্রদান করে। এটি পুনরায় কনফিগারযোগ্য নিউরন এবং সিন্যাপস বাস্তবায়ন করে যা বিভিন্ন সিন্যাপটিক প্লাস্টিসিটি মডেল সমর্থন করে।
Dynap-SEL
SynSense দ্বারা উন্নত কম-শক্তি ইভেন্ট-চালিত নিউরোমরফিক প্রসেসরের পরিবার, যা অন-চিপ লার্নিং ক্ষমতা সহ অ্যানালগ নিউরন এবং সিন্যাপস বাস্তবায়ন করে। এই চিপগুলি বিশেষভাবে এজ কম্পিউটিং অ্যাপ্লিকেশনের জন্য অপ্টিমাইজ করা হয়েছে যার জন্য ন্যূনতম শক্তি খরচে রিয়েল-টাইম প্রসেসিং প্রয়োজন।
Intel Nahuku
Loihi চিপের উপর ভিত্তি করে Intel-এর নিউরোমরফিক ডেভেলপমেন্ট প্ল্যাটফর্ম, যা স্পাইকিং নিউরাল নেটওয়ার্ক অ্যাপ্লিকেশনের পরীক্ষা-নিরীক্ষা এবং প্রোটোটাইপিংয়ের জন্য একটি সম্পূর্ণ পরিবেশ প্রদান করে। এটি সফ্টওয়্যার ইন্টারফেস সহ একাধিক Loihi চিপ একীভূত করে যা নমনীয় নিউরাল নেটওয়ার্ক কনফিগারেশন সক্ষম করে।
Neuro-inspired Computing
একটি গণনামূলক পদ্ধতি যা জৈবিক নিউরোনাল প্রক্রিয়াকরণের নীতিগুলি থেকে অনুপ্রাণিত হয় কিন্তু সঠিক প্রতিলিপি করার চেষ্টা না করে, বরং অ্যালগরিদম এবং আর্কিটেকচারের দক্ষতার উপর ফোকাস করে। এই শৃঙ্খলাটি স্ট্রিক্ট নিউরোমরফিক সিস্টেম এবং ব্যবহারিক অ্যাপ্লিকেশনের জন্য উপযোগী হাইব্রিড পদ্ধতিগুলি উভয়ই অন্তর্ভুক্ত করে।