神经形态计算研究的关键推动因素是能够透明地评估重要任务的不同神经形态解决方案，并将它们与现有的传统解决方案进行比较。受到微软 DNS 挑战的启发，英特尔神经形态深度降噪抑制挑战（Intel N-DNS Challenge）解决了一项普遍和商业相关的任务：实时音频降噪。由于其低带宽、时间性质以及对低功耗设备的相关性，音频降噪可能会因神经形态计算而受益。Intel N-DNS Challenge 包括两个轨道：一个基于模拟的算法轨道，以鼓励算法创新，另一个是基于神经形态硬件（Loihi 2）的轨道，以严格评估解决方案。对于两个轨道，我们指定了一个基于能量、延迟和资源消耗的评估方法，以及输出音频质量。我们将 Intel N-DNS Challenge 数据集脚本和评估代码免费提供，并鼓励社区参与并颁发奖金，同时发布了一种神经形态基准解决方案，该解决方案在与微软 NsNet2 和用于生产的一种专有英特尔降噪模型相比时，显示出有希望的音频质量、高效能和低资源消耗。我们希望 Intel N-DNS Challenge 能加速神经形态算法研究的创新，尤其是在实时信号处理的培训工具和方法方面。我们预计挑战的获胜者将证明，对于像音频降噪这样的问题，与传统的现有解决方案相比，今天可用的神经形态设备可以实现显著的功率和资源收益。
论文链接：http://arxiv.org/pdf/2303.09503v1
更多计算机论文：http://cspaper.cn/