登录社区云,与社区用户共同成长
邀请您加入社区
暂无图片
为遵守国家网络实名制规定,未绑定将限制内容发布与互动
我们做的是"果蝇全脑连接组 → 类脑智能"研究(FlyWire 783 连接组,138,639 神经元 / 15.1M 突触,Brian2 仿真),终极目标是人类级智能。大脑要有身体,我们选了浦东 H1 人形 + MuJoCo MJX 作为身体侧,足球作为能力校准任务域。本文记录足球线(实验编号 m141)从"触球永远为 0"到"每集 100% 触球、球均移动 13 米"的完整诊断过程——以及三次
本文提出面向具身智能的类脑VLA-TVA协同演化架构,融合脉冲神经网络(SNN)与人工神经网络(ANN),通过事件驱动感知、异步流式决策与脉冲可塑性学习,实现低功耗、高实时性的跨模态智能。基于神经形态芯片的存算一体设计与STDP机制,突破冯·诺依曼瓶颈,支持端侧实时推理与终身学习,推动具身智能向生物级能效与自适应能力演进。
本文提出面向逻辑思维的程序设计方法(LOPD)下的类脑大模型三级联合控制架构:大脑层基于世界模型生成运动意图,小脑层以部位前向模型实现快速顺滑的动作预测与协调,肢体层精准执行。重点突破手部灵巧操作与面部表情自然表达两大难题,通过力位混合控制、触觉反馈闭环及面部动作单元(AU)映射,实现“想得出、控得顺、做得准、表得情”的可工程化运动控制体系,为类脑智能体具身交互提供分层协同范式。
在类脑智能中,临界态是意识涌现的物理前提而非充分条件,其与Φ值的关系需结合动力学临界性与结构异质性共同量化。通过分布式突触可塑性实现局部自我调节,可在不依赖全局信号下维持跨尺度临界协调,避免同步瓶颈。异步更新机制虽提升效率,但可能破坏整合性,需引入时间窗口与噪声增强以平衡稳定性与可塑性。仿真验证表明,模块化强度影响临界吸引子鲁棒性,而局部雪崩率仅反映局部活动,需结合跨模块互信息与扰动法估计Φ,揭示
本文探讨神经机制与意识涌现的关系,聚焦全局工作空间理论(GWT)与整合信息理论(IIT)的互补与冲突,揭示意识或为多重动态过程在不同时间尺度上的融合。通过分析神经振荡、自组织临界态及信息处理的非线性特性,指出大脑如一张自我编织的动态之网,其智能源于局部因果整合与全局信息广播的协同。类脑模型虽模仿结构复杂性,却缺乏生物约束与真实因果整合,难以复制意识特征。研究建议以“临界态”作为统一物理基础,推动对
本文提出面向逻辑思维的程序设计方法下,类脑大模型大脑感知层五子网联合处理架构:感知理解子网构建身体图式与躯体语义;认知推理子网实现触觉问答与行动规划;世界模型子网推演身体-环境交互后果;情感子网加工情感触觉与情绪记忆;反思创新子网校正防御误报与图式漂移。五子网通过全局工作空间协作,形成“感身-知身-预身-共情-省身”认知链路,实现躯体信息从“接触事实”到“意义理解”的跃迁,为机器人在物理世界中“知
STDP是一种纯局部学习规则,突触权重变化仅取决于突触前与突触后发放的时间差:因果(前先于后)增强LTP,反因果(后先于前)抑制LTD。其学习窗为双指数不对称曲线,抑制通常略强于增强,使权重有稳态。STDP无需全局误差信号和可微计算图,适合类脑芯片在线学习。代码实现STDP窗口,展示±5ms配对分别使权重饱和到1或0,双输入竞争仅凭5ms先后差异完成选择。避坑要点:抑制略强、时间常数合理、用迹变量
摘要(≤150字): 异构混合推理将Transformer的注意力与前馈网络分置于GPU与类脑/存算一体芯片,实现算力协同。其可行性源于模型结构分化、专用算力成熟及功耗约束加剧。模块级切分是当前主流,但通信开销与同步延迟可能吞噬收益。工程落地需高带宽互联、编译支持、数值一致性和回退机制。验证需分段计时、单独测量同步成本,并做同期对照实验。该路径在先进制程受限背景下,为国产算力创新提供新思路。
解读 NeurIPS 2021 Spotlight 论文 DFC:用反馈控制器驱动深层网络匹配输出目标,激活变化即局部误差信号;规则空间时间全局部,并在列空间条件下被证明近似 Gauss-Newton 优化。
我的看法是,以前大家搞异构,更多是被"单卡算力不够"逼出来的无奈,是拿不同芯片去凑总数,工程上乱成一锅粥;算力这件事,很多时候浪费不在"算不动",而在"数据在芯片和内存之间来回搬",类脑芯片等于把这个搬运的瓶颈直接从物理上绕过去了。我见过太多"发布会惊艳、上线就翻车"的案例,异构系统尤其容易在"两套芯片之间的通信开销"上栽跟头——分得越细,协作成本越高,这是绕不开的账。今天想跟你好好聊聊这事,它不