Research shows how neurons learn to pick the most energy-efficient perturbations

Research shows how neurons learn to pick the most energy-efficient perturbations
Brains have evolved to do more with less. Take a tiny insect brain, which has less than a million neurons but shows a diversity of behaviors and is more energy- efficient than current AI systems. These tiny brains serve as models for computing systems that are becoming more sophisticated as billions of silicon neurons can be implemented on hardware.
The secret to achieving energy-efficiency lies in the silicon neurons' ability to learn to communicate and form networks, as shown by new research from the lab of Shantanu Chakrabartty, the Clifford W. Murphy Professor in the Preston M. Green Department of Electrical & Systems Engineering at Washington University in St. Louis' McKelvey School of Engineering.

Related Keywords

E Lisle Hughes ,Cliffordw Murphy ,Kevin Bacon ,Emily Henderson ,Srikanth Singamaneni ,Barani Raman ,Shantanu Chakrabartty ,Ahana Gangopadhyay ,Loui Mckelvey School Of Engineering ,Department Of Biomedical Engineering ,Department Of Mechanical Engineering Materials Science ,Systems Engineering ,Washington University ,Loui Mckelvey School ,Biomedical Engineering ,Hughes Professor ,Mechanical Engineering ,Materials Science ,ஏ லைர்ல் ஹக்ஸ் ,கெவின் பன்றி இறைச்சி ,எமிலி ஹென்டர்சன் ,பாரணி ராமன் ,லூயி ம்க்கெல்வேய் பள்ளி ஆஃப் பொறியியல் ,துறை ஆஃப் உயிர் மருத்துவ பொறியியல் ,துறை ஆஃப் இயந்திர பொறியியல் பொருட்கள் அறிவியல் ,அமைப்புகள் பொறியியல் ,வாஷிங்டன் பல்கலைக்கழகம் ,லூயி ம்க்கெல்வேய் பள்ளி ,உயிர் மருத்துவ பொறியியல் ,ஹக்ஸ் ப்ரொஃபெஸர் ,இயந்திர பொறியியல் ,பொருட்கள் அறிவியல் ,