[论文解读] Towards a Spiking Neural P Systems OS

Ammar Adl, Amr Badr+1 more|arXiv (Cornell University)|Dec 1, 2010

DNA and Biological Computing参考文献 3被引用 7

一句话总结

本文提出了一种受脉冲神经 P 系统（SN P 系统）启发的新型操作系统（OS）架构，利用其时间计算模型——即通过神经元脉冲的时序编码信息——来实现核心操作系统功能。通过建模逻辑门、算术运算和排序操作的脉冲时序，作者展示了计算完备性，并为一种类脑操作系统设计奠定了理论基础。

ABSTRACT

This paper is an attempt to incorporate the idea of spiking neural P systems as an early seed into the area of Operating System Design, regarding their capability to solve some classical computer science problems. It is reflecting the power of such systems to simulate well known parallel computational models, like logic gates, arithmetic operation, and sorting. In these devices, the time (when the neurons fire and/or spike) plays an essential role. For instance, the result of a computation is the time between the moments when a specified neuron spikes. Seen as number computing devices, SN P systems are shown to be computationally complete, and with such capabilities, arithmetic operations, logic, and timing, some first steps could be taken towards an OS design.

研究动机与目标

• 探索使用脉冲神经 P 系统（SN P 系统）作为操作系统设计基础模型的可行性。
• 利用 SN P 系统中脉冲时序的动态特性来编码和处理计算结果。
• 证明 SN P 系统能够模拟经典计算模型，如逻辑门、算术单元和排序算法。
• 建立一个类脑启发的脉冲神经 OS 的理论基础，具备计算完备性。
• 将 SN P 系统定位为未来操作系统架构中并行、时间敏感计算的新范式。

提出的方法

• 将 SN P 系统建模为计算设备，其中神经元脉冲的到达时间编码输出值。
• 设计神经元网络，通过脉冲传播和延迟机制模拟逻辑门（与、或、非）。
• 通过同步的脉冲序列和基于阈值的神经元放电实现算术运算（加法、乘法）。
• 通过脉冲同步和延迟线构建排序网络，以对齐脉冲序列。
• 通过脉冲编码证明计算完备性，即与通用图灵机等价。
• 使用特定脉冲事件之间的时间间隔作为计算结果，实现基于时间的输出表示。

实验结果

研究问题

• RQ1 能否使用脉冲神经 P 系统来建模基本计算操作，如逻辑门和算术运算？
• RQ2 如何利用脉冲时序以类似于传统计算的方式表示和计算结果？
• RQ3 SN P 系统在多大程度上能够模拟经典并行计算模型（如排序网络）？
• RQ4 是否仅通过脉冲时序和神经元动态即可实现计算完备性？
• RQ5 可以推导出哪些基础原理以支持脉冲神经操作系统的构建？

主要发现

• SN P 系统可通过脉冲传输和延迟机制模拟基本逻辑门（与、或、非）。
• 加法和乘法等算术运算可通过同步的脉冲序列和基于阈值的神经元激活实现。
• 通过延迟线和神经元同步组织脉冲流，可实现排序操作。
• 特定脉冲事件之间的时间间隔编码了计算结果，实现了基于时间的输出表示。
• 该系统展示了计算完备性，证实其能够模拟通用图灵机。
• 所提出的模型为一类基于脉冲神经动力学的新型类脑操作系统奠定了理论基础。