Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08320

帮助 | 高级搜索

计算机科学 > 神经与进化计算

arXiv:2507.08320 (cs)
[提交于 2025年7月11日 ]

标题: 神经优化:脉冲方式的进化

标题: NeurOptimisation: The Spiking Way to Evolve

Authors:Jorge Mario Cruz-Duarte, El-Ghazali Talbi
摘要: 人工智能系统日益增长的能源足迹促使人们寻求既高效又可扩展的计算模型。 神经形态计算(NC)通过赋予事件驱动算法以最小的功率需求来操作,从而解决了这一挑战,这些算法通过生物启发的尖峰动力学实现。 我们提出了NeurOptimiser,这是一个完全基于尖峰的优化框架,通过去中心化的NC系统实现了基于神经形态的元启发式范式。 所提出的方法包括一组神经形态启发单元(NHUs),每个单元结合尖峰神经元动力学与尖峰触发扰动启发式方法,以异步方式进化候选解决方案。 NeurOptimiser的协调是通过原生尖峰机制实现的,这些机制支持活动传播、局部信息共享和全局状态更新,而无需外部协调。 我们在英特尔的Lava平台上实现了该框架,目标是Loihi 2芯片,并在无噪声的BBOB套件上进行了评估,最多达到40个维度。 我们使用不同的配置部署了多个NeurOptimisers,主要考虑动态系统,如线性和Izhikevich模型用于尖峰神经动力学,以及固定和差分进化变异规则用于尖峰触发启发式方法。 尽管这些配置是作为概念验证实现的,但我们记录并概述了该框架实现的进一步扩展和改进。 结果表明,所提出的方法表现出结构化的种群动力学、一致的收敛性和毫瓦级的功率可行性。 它们还将原生尖峰MHs定位为实现实时、低能耗和去中心化优化的可行路径。
摘要: The increasing energy footprint of artificial intelligence systems urges alternative computational models that are both efficient and scalable. Neuromorphic Computing (NC) addresses this challenge by empowering event-driven algorithms that operate with minimal power requirements through biologically inspired spiking dynamics. We present the NeurOptimiser, a fully spike-based optimisation framework that materialises the neuromorphic-based metaheuristic paradigm through a decentralised NC system. The proposed approach comprises a population of Neuromorphic Heuristic Units (NHUs), each combining spiking neuron dynamics with spike-triggered perturbation heuristics to evolve candidate solutions asynchronously. The NeurOptimiser's coordination arises through native spiking mechanisms that support activity propagation, local information sharing, and global state updates without external orchestration. We implement this framework on Intel's Lava platform, targeting the Loihi 2 chip, and evaluate it on the noiseless BBOB suite up to 40 dimensions. We deploy several NeurOptimisers using different configurations, mainly considering dynamic systems such as linear and Izhikevich models for spiking neural dynamics, and fixed and Differential Evolution mutation rules for spike-triggered heuristics. Although these configurations are implemented as a proof of concept, we document and outline further extensions and improvements to the framework implementation. Results show that the proposed approach exhibits structured population dynamics, consistent convergence, and milliwatt-level power feasibility. They also position spike-native MHs as a viable path toward real-time, low-energy, and decentralised optimisation.
评论: 提交至IEEE进化计算汇刊(审稿中)
主题: 神经与进化计算 (cs.NE)
MSC 类: 90C26, 68T07, 65K10, 68W10, 68W50
ACM 类: I.2.6; I.2.8; I.2.11; G.1.6; I.6.3; F.1.1
引用方式: arXiv:2507.08320 [cs.NE]
  (或者 arXiv:2507.08320v1 [cs.NE] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08320
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jorge Mario Cruz-Duarte [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 05:18:13 UTC (26,509 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.NE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号