生物に着想を得たコンピューティング

バイオインスパイアード・コンピューティング（Biologically inspired compute ）は、生物学モデルを用いてコンピュータサイエンスの課題を解決しようとする研究分野です。コネクショニズム、社会行動、そして創発と関連しています。コンピュータサイエンスにおいて、バイオインスパイアード・コンピューティングは人工知能と機械学習と関連しています。バイオインスパイアード・コンピューティングは、自然計算の主要なサブセットです。

歴史

初期のアイデア

生物学的コンピューティングの背後にあるアイデアは、1936年に今日ではチューリングマシンとして知られる抽象コンピュータの最初の記述に遡ります。チューリングは最初に生物学的標本を用いてこの抽象概念を記述しました。チューリングは3つの重要な属性を持つ数学者を想像しました。^[1]彼は常に消しゴム付きの鉛筆、無制限の紙、そして機能する目を持っています。数学者は目によって紙に書かれたあらゆる記号を見て認識することができ、鉛筆によって好きな記号を書いたり消したりすることができます。最後に、無制限の紙によってメモリに好きなものを何でも保存することができます。これらのアイデアを用いて、彼は現代のデジタルコンピュータの抽象化を記述することができました。しかしチューリングは、これらの機能を実行できるものはすべてそのようなマシンと見なすことができると述べ、デジタルコンピューティングや機械思考全般を記述するためには電気さえも必要ないと述べました。^[2]

ニューラルネットワーク

ニューラルネットワークは、ウォーレン・マカロックとウォルター・ピッツによって1943年に初めて説明され、コンピュータアルゴリズムの作成に影響を与えた生物学的システムの一般的な例です。^{[3]彼らは、単純なニューロンのシステムが}論理積、論理和、否定などの簡単な論理演算を生成できることを初めて数学的に説明しました。さらに、ニューラルネットワークのシステムは、有限のメモリを必要とする計算を実行するために使用できることを示しました。 1970年頃、ニューラルネットワークに関する研究は減速し、多くの人は、マービン・ミンスキーとシーモア・パパートによる1969年の本がその主な原因であると考えています。^[4]^[5]彼らの本は、ニューラルネットワークモデルが、特定のしきい値の後でのみ真となるブール関数に基づくシステムのみをモデル化できることを示しました。このような関数はしきい値関数としても知られています。その本では、大量のシステムをそのように表現することはできず、大量のシステムをニューラルネットワークでモデル化できないことも示されました。 1986年にジェームズ・ラメルハートとデビッド・マクレランドが出版した別の著書では、線形バックプロパゲーションアルゴリズムを実証し、ニューラルネットワークが再び脚光を浴びるようになりました。このアルゴリズムは、ニューラルネットワークの限界に縛られない多層ニューラルネットワークの開発を可能にしました。^[6]

アリのコロニー

1979年、ダグラス・ホフスタッターは、個々の構成要素が知的でなくても知的計算を実行できる生物システムについて説明しました。^[7]彼は蟻のコロニーを例に挙げ、集団行動が問題解決能力につながること、つまり創発行動と呼ばれる現象を示しました。^[8] 2009年、アジミらは、クラスターの数を決定し、従来のアルゴリズムと競合できる結果を生成できるクラスタリング手法である蟻コロニーアルゴリズムを開発しました。^[9]さらに、ヘルダーとウィルソン（2009）は歴史的データを分析し、蟻は単一の「超個体」コロニーとして機能するように進化してきたと結論付け、これがグループベースの進化アルゴリズムへのさらなる研究につながりました。

研究分野

生物学に着想を得たコンピューティングの研究分野と、その生物学上の対応物:


バイオインスパイアードコンピューティングのトピック	生物学的インスピレーション
進化アルゴリズム	進化
生分解性予測	生分解
セルオートマトン	人生
出現	アリ、シロアリ、ハチ、スズメバチ
人工ニューラルネットワーク	生物学的ニューラルネットワーク
人工生命	人生
人工免疫システム	免疫系
レンダリング（コンピュータグラフィックス）	動物の皮、鳥の羽、軟体動物の殻、細菌のコロニーのパターン化とレンダリング
リンデンマイヤーシステム	植物の構造
通信ネットワークと通信プロトコル	疫学
膜型コンピューター	生細胞における膜内分子プロセス
興奮しやすいメディア	森林火災、「波」、心臓病、軸索
センサーネットワーク	感覚器官
学習分類システム	認知、進化

集団ベースの生物学的アルゴリズム

バイオインスパイアード・コンピューティングは、進化アルゴリズムや群知能アルゴリズムの文脈において、可能な解の集団に対して作用し、集団ベースのバイオインスパイアード・アルゴリズム（PBBIA）に分類されます。^[10]これらには、進化アルゴリズム、粒子群最適化、蟻コロニー最適化アルゴリズム、人工蜂コロニーアルゴリズムが含まれます。

仮想昆虫の例

生物に着想を得たコンピューティングは、仮想昆虫の訓練に活用できます。昆虫は、6つのシンプルなルールに基づいて、未知の地形を移動し、餌を見つけるように訓練されます。

目標物と障害物が左側にあるため右折します。
目標および障害物の右側では左折してください。
目標-左-障害物-右に向かって左折。
目標-右-障害物-左に向かって右折。
障害物がなければ目標の左へ左折します。
障害物がなければ目標地点に向かって右折します。

訓練されたスパイキングニューラルネットワークによって制御される仮想昆虫は、訓練後、どんな未知の地形でも餌を見つけることができます。^[11]数世代にわたるルール適用の後、通常、何らかの複雑な行動形態が出現します。複雑さは複雑さの上に積み重なり、結果は著しく複雑になり、元のルールが生み出すと予想されるものとは全く直感に反するものになることがよくあります（複雑系を参照）。このため、ニューラルネットワークをモデル化する際には、システムの複雑さが増すにつれて統計的推論と外挿を精緻化するために使用できる「ノイズ」係数をリアルタイムで収集することにより、生体ネットワークを正確にモデル化する必要があります。^[12]

自然進化はこの手法の良いアナロジーです。進化のルール（選択、組み換え／繁殖、突然変異、そして最近では転座）は原理的には単純なものですが、数百万年という長い年月をかけて、驚くほど複雑な生物を生み出してきました。遺伝的アルゴリズムでも同様の手法が用いられています。

脳に着想を得たコンピューティング

脳に着想を得たコンピューティングとは、脳を完全に模倣するのではなく、主に脳のメカニズムに基づいた計算モデルと手法を指します。その目標は、機械が脳に着想を得た方法で人間の様々な認知能力と協調メカニズムを実現し、最終的には人間の知能レベルに到達するか、それを超えることです。

研究

人工知能研究者は、脳の情報処理メカニズムから学ぶことの利点を認識し始めています。そして、脳科学と神経科学の進歩は、人工知能が脳の情報処理メカニズムから学ぶための必要な基盤を提供しています。脳神経科学の研究者たちは、脳の情報処理に関する理解をより幅広い科学分野に応用しようと努めています。この分野の発展は、情報技術とスマートテクノロジーの推進力によって恩恵を受けており、ひいては脳神経科学は次世代の情報技術の変革を刺激するでしょう。

脳科学が脳型コンピューティングに与える影響

脳神経科学の進歩、特に新技術と新機器の活用は、研究者が様々な実験手法を用いて脳のマルチスケール、マルチタイプの生物学的証拠を得ることを可能にしており、バイオインテリジェンスの構造を様々な側面と機能的基盤から解明しようと試みています。微視的なニューロン、シナプスの作動メカニズムとその特性、メソスコピックなネットワーク接続モデル、マクロな脳区間におけるリンクとその相乗特性など、これらの実験的・メカニズム的研究から得られる脳のマルチスケール構造と機能メカニズムは、将来の脳型コンピューティングモデルの構築に重要なインスピレーションを与えるでしょう。^[13]

脳に着想を得たチップ

脳に着想を得たチップとは、一般的に人間の脳のニューロン構造や認知モードを参考に設計されたチップを指します。言うまでもなく、「ニューロモルフィックチップ」とは、人間の脳のニューロンモデルとその組織構造を参考にチップ構造の設計に重点を置いた脳に着想を得たチップであり、脳に着想を得たチップ研究の主要な方向性を示しています。各国における「脳設計」の台頭と発展に伴い、ニューロモルフィックチップに関する数多くの研究成果が登場し、国際的に大きな注目を集め、学界や産業界でもよく知られています。例えば、EUが支援するSpiNNakerとBrainScaleS、スタンフォード大学のNeurogrid、IBMのTrueNorth、QualcommのZerothなどが挙げられます。

TrueNorthは、IBMが約10年かけて開発してきた脳に着想を得たチップです。米国国防高等研究計画局（DARPA）は、2008年からIBMに資金を提供し、インテリジェント処理向けのパルスニューラルネットワークチップの開発を進めてきました。2011年、IBMは脳のように情報を学習・処理できる脳構造をシミュレートし、2つの認知シリコンプロトタイプを開発しました。脳に着想を得たチップの各ニューロンは、超並列処理で相互接続されています。2014年には、IBMは「TrueNorth」と呼ばれる第2世代の脳に着想を得たチップをリリースしました。第1世代の脳に着想を得たチップと比較して、TrueNorthチップの性能は飛躍的に向上し、ニューロン数は256個から100万個に、プログラム可能なシナプス数は262,144個から2億5,600万個に増加しました。シナプス下動作は、総消費電力70mW、1平方センチメートルあたりの消費電力は20mWです。同時に、TrueNorthが扱うニューロンの体積は、第一世代の脳チップのわずか1/15に過ぎません。現在、IBMはリアルタイムビデオ処理機能を備えた16個のTrueNorthチップを搭載したニューロンコンピュータのプロトタイプを開発しました。^[14] TrueNorthチップの超高機能と卓越性は、発売当初から学術界に大きな衝撃を与えました。

2012年、中国科学院計算技術研究所とフランス国立情報科学研究所（INRIA）は協力し、ディープニューラルネットワークプロセッサアーキテクチャチップ「Cambrian」をサポートする世界初のチップを開発しました。^[15]この技術は、コンピュータアーキテクチャ分野の最高峰の国際会議であるASPLOSとMICROで受賞し、その設計手法と性能は国際的に高く評価されています。このチップは、脳型チップの研究方向性を示す優れた代表例と言えるでしょう。

不明瞭な脳のメカニズム認知

人間の脳は進化の産物である。その構造と情報処理機構は常に最適化されているが、進化の過程での妥協は避けられない。頭蓋神経系はマルチスケール構造であり、ニューロンスケールの微細接続構造や脳スケールのフィードバック機構など、各スケールでの情報処理機構には依然としていくつかの重要な問題が残っている。そのため、ニューロンとシナプスの数を包括的に計算しても、人間の脳の1000分の1の大きさに過ぎず、現在の科学研究レベルでは依然として研究が非常に困難である。^{[16]近年の脳シミュレーションの進歩は、人間の認知}処理速度と流動性知能の個人差を、構造的脳ネットワーク、機能的連結性、勝者総取りの意思決定、アトラクターワーキングメモリにおける興奮と抑制のバランスに関連付けた。^[17]

脳に着想を得た計算モデルとアルゴリズムは不明瞭

認知脳コンピューティングモデルの今後の研究では、マルチスケール脳神経系データ分析結果に基づいて脳情報処理システムをモデル化し、脳に着想を得たマルチスケールニューラルネットワークコンピューティングモデルを構築し、マルチスケールにおける脳の多様なモダリティをシミュレートする必要があります。知覚、自己学習と記憶、選択といった知能行動能力。機械学習アルゴリズムは柔軟性に欠け、大規模かつ手動でラベル付けされた高品質のサンプルデータを必要とします。トレーニングモデルには多くの計算オーバーヘッドが必要です。脳に着想を得た人工知能は、高度な認知能力と推論学習能力をまだ欠いています。

制約付き計算アーキテクチャと機能

既存の脳に着想を得たチップのほとんどは、依然としてノイマン型アーキテクチャの研究に基づいており、チップの製造材料のほとんどは依然として従来の半導体材料を使用しています。ニューラルチップは、脳情報処理の最も基本的な単位を借用しているだけです。ストレージと計算の融合、パルス放電メカニズム、ニューロン間の接続メカニズムなど、最も基本的なコンピュータシステム、および異なるスケールの情報処理ユニット間のメカニズムは、脳に着想を得たコンピューティングアーキテクチャの研究に統合されていません。現在、重要な国際的なトレンドは、ナノメートルなどの新しい材料に基づいて、脳メモリスタ、メモリコンテナ、感覚センサーなどのニューラルコンピューティングコンポーネントを開発し、より複雑な脳に着想を得たコンピューティングアーキテクチャの構築をサポートすることです。脳に着想を得たコンピュータと、脳に着想を得たチップ開発に基づく大規模な脳コンピューティングシステムの開発には、その幅広い応用をサポートするための対応するソフトウェア環境も必要です。

参照

リスト

参考文献

^ チューリング、アラン (1936).計算可能数について：計算問題への応用. 数学協会. OCLC 18386775.
^ チューリング、アラン（2004年9月9日）「計算機械と知能（1950年）」、The Essential Turing、オックスフォード大学出版局、pp. 433– 464、doi :10.1093/oso/9780198250791.003.0017、ISBN 978-0-19-825079-1、2022年5月5日取得
^ マカロック、ウォーレン、ピッツ、ウォルター（2021年2月2日）「神経活動に内在するアイデアの論理的計算（1943年）」、未来を創造したアイデア、MITプレス、pp. 79– 88、doi :10.7551/mitpress/12274.003.0011、ISBN 9780262363174, S2CID 262231397 , 2022年5月5日取得
^ ミンスキー、マーヴィン（1988年）『パーセプトロン：計算幾何学入門』 MIT出版。ISBN 978-0-262-34392-3. OCLC 1047885158.
^ 「歴史：過去」. userweb.ucs.louisiana.edu . 2022年5月5日閲覧。
^ McClelland, James L.; Rumelhart, David E. (1999).並列分散処理：認知の微細構造の探究. MIT Press. ISBN 0-262-18120-7. OCLC 916899323。
^ ウィルソン、デイビッド・スローン; ソバー、エリオット (1989年2月8日). 「超個体の復活」 .理論生物学ジャーナル. 136 (3): 337– 356. Bibcode :1989JThBi.136..337W. doi :10.1016/S0022-5193(89)80169-9. ISSN 0022-5193. PMID 2811397.
^ アジミ、ジャワド;カル、ポール。シダ、シャオリ (2009)。「Ants アルゴリズムを使用したアンサンブルのクラスタリング」。ミラでは、ホセ。フェランデス、ホセ・マヌエル。アルバレス、ホセ R.デ・ラ・パス、フェリックス。トレド、F. ハビエル (編)。人工および自然な計算における方法とモデル。ミラ教授の科学遺産へのオマージュ。コンピューターサイエンスの講義ノート。 Vol. 5601. ベルリン、ハイデルベルク: Springer。 pp. 295–304。土井:10.1007/978-3-642-02264-7_31。ISBN 978-3-642-02264-7。
^ ウィルソン、デイビッド・スローン; ソバー、エリオット (1989年2月8日). 「超個体の復活」 .理論生物学ジャーナル. 136 (3): 337– 356. Bibcode :1989JThBi.136..337W. doi :10.1016/S0022-5193(89)80169-9. ISSN 0022-5193. PMID 2811397.
^ ファリナティ, ダヴィデ; ヴァネスキ, レオナルド (2024年12月). 「生物に着想を得たアルゴリズムにおける動的集団に関する概説」.遺伝的プログラミングと進化型機械. 25 (2) 19. doi :10.1007/s10710-024-09492-4. hdl : 10362/170138 .
^ Xu Z; Ziye X; Craig H; Silvia F (2013年12月). 「スパイクベース間接学習によるスパイキングニューラルネットワーク制御仮想昆虫」.第52回IEEE意思決定制御会議. pp. 6798– 6805. CiteSeerX 10.1.1.671.6351 . doi :10.1109/CDC.2013.6760966. ISBN 978-1-4673-5717-3. S2CID 13992150。
^ Joshua E. Mendoza. 「スマートワクチン - 未来の形」. Research Interests . 2012年11月14日時点のオリジナルよりアーカイブ。
^ 徐波，刘成林，曾毅.类脑智能研究现状与展思考[J].中国科学院院刊,2016,31(7):793-802.
^ “アメリカ类脑芯片発行展历程”.電子工学と製品の世界。
^ チェン、ティエンシー;杜子東。孫、寧会。王、佳。ウー、チェンヨン。チェン、ユンジ。テマム、オリヴィエ (2014)。「ディアンナオ」。ACM SIGARCH コンピュータアーキテクチャニュース。42 : 269–284 .土井: 10.1145/2654822.2541967。
^ Markram Henry, Muller Eilif, Ramaswamy Srikanth 新皮質微小回路の再構築とシミュレーション [J].Cell, 2015, Vol.163 (2), pp.456-92PubMed
^ Schirner, Michael; Deco, Gustavo; Ritter, Petra (2023). 「ネットワーク構造がバイオインスパイアードコンピューティングにおける意思決定をどのように形作るかを学ぶ」Nature Communications . 14 (2963): 2963. Bibcode :2023NatCo..14.2963S. doi :10.1038/s41467-023-38626-y. PMC 10206104. PMID 37221168 .

さらに読む

（以下は複雑さと深さの昇順で提示されており、この分野に不慣れな方は上から始めることをお勧めします）

「自然にインスパイアされたアルゴリズム」
「生物学的にインスパイアされたコンピューティング」
「デジタル生物学」、Peter J. Bentley。
「生物学的にインスパイアードなコンピューティングに関する第1回国際シンポジウム」
創発：アリ、脳、都市、ソフトウェアのつながりのある生活、スティーブン・ジョンソン。
Dr. Dobb's Journal、1991年4月号（号のテーマ：バイオコンピューティング）
カメ、シロアリ、交通渋滞、ミッチェル・レズニック。
非線形動力学の理解、ダニエル・カプランとレオン・グラス。
Ridge, E.; Kudenko, D.; Kazakov, D.; Curry, E. (2005). 「自然に着想を得たアルゴリズムを並列・非同期・分散環境へ移行する」.自己組織化と自律情報学 (I) . 135 : 35–49 . CiteSeerX 10.1.1.64.3403 .
マイケル・G・ヒンチー、ロイ・ステリット、クリス・ラフ著『群れと群れの知能』
自然コンピューティングの基礎: 基本概念、アルゴリズム、アプリケーション、LN de Castro、Chapman & Hall/CRC、2006 年 6 月。
ゲイリー・ウィリアム・フレーク著『自然の計算美』。MITプレス。1998年ハードカバー版、2000年ペーパーバック版。生物に着想を得たコンピューティングの多くのトピックと根底にあるテーマについて、深く掘り下げた議論を展開。
Kevin M. Passino、「最適化、制御、自動化のためのバイオミミクリー」、Springer-Verlag、ロンドン、英国、2005 年。
生物学的にヒントを得たコンピューティングの最近の発展、LN de Castro および FJ Von Zuben、Idea Group Publishing、2004 年。
ナンシー・フォーブス、『生命の模倣：生物学がコンピューティングにインスピレーションを与える方法』、MIT プレス、ケンブリッジ、マサチューセッツ州 2004 年。
M. Blowers と A. Sisti、「進化的および生物に着想を得たコンピューティング: 理論とアプリケーション」、SPIE Press、2007 年。
XS Yang、ZH Cui、RB Xiao、AH Gandomi、M. Karamanoglu、「群知能とバイオインスパイアードコンピューティング：理論とアプリケーション」、Elsevier、2013 年。
「生物学的にインスパイアされたコンピューティング講義ノート」、ルイス・M・ロシャ
ポータブルUNIXプログラミングシステム（PUPS）とCANTOR：複雑な神経生物学的データの動的表現と解析のための計算環境、Mark A. O'Neill、Claus-C Hilgetag、Phil Trans R Soc Lond B 356（2001）、1259–1276
「ルーツへの回帰：第二世代バイオコンピューティング」、J. Timmis、M. Amos、W. Banzhaf、A. Tyrrell、『Journal of Unconventional Computing』2 (2007) 349–378。
ノイマン、フランク；ウィット、カーステン（2010）「組み合わせ最適化におけるバイオインスパイアード計算．アルゴリズムとその計算複雑性．ナチュラルコンピューティングシリーズ．ベルリン：シュプリンガー・フェアラーク．ISBN 」 978-3-642-16543-6. Zbl 1223.68002。
ブラバゾン、アンソニー、オニール、マイケル (2006).生物学的手法を用いた金融モデリングアルゴリズム. Natural Computing Series. ベルリン: Springer-Verlag . ISBN 978-3-540-26252-7. Zbl 1117.91030。
CM. Pintea, 2014, 「組み合わせ最適化問題のためのバイオインスパイアードコンピューティングの進歩」Springer ISBN 978-3-642-40178-7
「PSA：ポルチェリオ・スカビールの生存ルールに基づく新しい最適化アルゴリズム」、Y. ZhangとS. Li

外部リンク

英国サリー大学、Nature Inspired Computing and Engineering (NICE) グループ
サセックスのALifeプロジェクト
化学センシングのための生物学的にインスパイアされた計算 Neurochem プロジェクト
アンドコーポレーション
計算知能と応用研究のための卓越センター（英国バーミンガム）
BiSNET: 生物学に着想を得たセンサーネットワークのアーキテクチャ
BiSNET/e: 進化的多目的最適化を備えた認知センサーネットワークアーキテクチャ
生物学に着想を得たニューラルネットワーク
NCRA UCD、ダブリン、アイルランド
Linux 向け PUPS/P3 オーガニックコンピューティング環境
SymbioticSphere: スケーラブルで適応性があり、生存可能なネットワークシステムのための生物学に着想を得たアーキテクチャ
ランナールートアルゴリズム
バイオインスパイアードワイヤレスネットワーキングチーム（BioNet）
生物学的にインスパイアされた知性

[1] チューリング、アラン (1936).計算可能数について：計算問題への応用. 数学協会. OCLC 18386775.

[2] チューリング、アラン（2004年9月9日）「計算機械と知能（1950年）」、The Essential Turing、オックスフォード大学出版局、pp. 433– 464、doi :10.1093/oso/9780198250791.003.0017、ISBN 978-0-19-825079-1、2022年5月5日取得

[3] マカロック、ウォーレン、ピッツ、ウォルター（2021年2月2日）「神経活動に内在するアイデアの論理的計算（1943年）」、未来を創造したアイデア、MITプレス、pp. 79– 88、doi :10.7551/mitpress/12274.003.0011、ISBN 9780262363174, S2CID 262231397 , 2022年5月5日取得

[4] ミンスキー、マーヴィン（1988年）『パーセプトロン：計算幾何学入門』 MIT出版。ISBN 978-0-262-34392-3. OCLC 1047885158.

[5] 「歴史：過去」. userweb.ucs.louisiana.edu . 2022年5月5日閲覧。

[6] McClelland, James L.; Rumelhart, David E. (1999).並列分散処理：認知の微細構造の探究. MIT Press. ISBN 0-262-18120-7. OCLC 916899323。

[7] ウィルソン、デイビッド・スローン; ソバー、エリオット (1989年2月8日). 「超個体の復活」 .理論生物学ジャーナル. 136 (3): 337– 356. Bibcode :1989JThBi.136..337W. doi :10.1016/S0022-5193(89)80169-9. ISSN 0022-5193. PMID 2811397.

[8] アジミ、ジャワド;カル、ポール。シダ、シャオリ (2009)。「Ants アルゴリズムを使用したアンサンブルのクラスタリング」。ミラでは、ホセ。フェランデス、ホセ・マヌエル。アルバレス、ホセ R.デ・ラ・パス、フェリックス。トレド、F. ハビエル (編)。人工および自然な計算における方法とモデル。ミラ教授の科学遺産へのオマージュ。コンピューターサイエンスの講義ノート。 Vol. 5601. ベルリン、ハイデルベルク: Springer。 pp. 295–304。土井:10.1007/978-3-642-02264-7_31。ISBN 978-3-642-02264-7。

[9] ウィルソン、デイビッド・スローン; ソバー、エリオット (1989年2月8日). 「超個体の復活」 .理論生物学ジャーナル. 136 (3): 337– 356. Bibcode :1989JThBi.136..337W. doi :10.1016/S0022-5193(89)80169-9. ISSN 0022-5193. PMID 2811397.

[10] ファリナティ, ダヴィデ; ヴァネスキ, レオナルド (2024年12月). 「生物に着想を得たアルゴリズムにおける動的集団に関する概説」.遺伝的プログラミングと進化型機械. 25 (2) 19. doi :10.1007/s10710-024-09492-4. hdl : 10362/170138 .

[Silvia_2013-11] Xu Z; Ziye X; Craig H; Silvia F (2013年12月). 「スパイクベース間接学習によるスパイキングニューラルネットワーク制御仮想昆虫」.第52回IEEE意思決定制御会議. pp. 6798– 6805. CiteSeerX 10.1.1.671.6351 . doi :10.1109/CDC.2013.6760966. ISBN 978-1-4673-5717-3. S2CID 13992150。

[12] Joshua E. Mendoza. 「スマートワクチン - 未来の形」. Research Interests . 2012年11月14日時点のオリジナルよりアーカイブ。

[13] 徐波，刘成林，曾毅.类脑智能研究现状与展思考[J].中国科学院院刊,2016,31(7):793-802.

[14] “アメリカ类脑芯片発行展历程”.電子工学と製品の世界。

[15] チェン、ティエンシー;杜子東。孫、寧会。王、佳。ウー、チェンヨン。チェン、ユンジ。テマム、オリヴィエ (2014)。「ディアンナオ」。ACM SIGARCH コンピュータアーキテクチャニュース。42 : 269–284 .土井: 10.1145/2654822.2541967。

[16] Markram Henry, Muller Eilif, Ramaswamy Srikanth 新皮質微小回路の再構築とシミュレーション [J].Cell, 2015, Vol.163 (2), pp.456-92PubMed

[17] Schirner, Michael; Deco, Gustavo; Ritter, Petra (2023). 「ネットワーク構造がバイオインスパイアードコンピューティングにおける意思決定をどのように形作るかを学ぶ」Nature Communications . 14 (2963): 2963. Bibcode :2023NatCo..14.2963S. doi :10.1038/s41467-023-38626-y. PMC 10206104. PMID 37221168 .