Physics-aware analog circuits for edge artificial intelligence
Nieuwe neurale schakelingen voor neuromorfische computing voor edge-toepassingen
Neuromorfisch rekenen beoogt de efficiëntie van AI verder te verbeteren door inspiratie te putten uit biologische neurale systemen.In dit proefschrift van Paolo Gibertini worden twee nieuwe rekenprimitieven geïntroduceerd, in de vorm van neurale schakelingen, die bijdragen aan de verdere ontwikkeling van energiezuinige analoge neuromorfische computing voor edge-toepassingen.
Kunstmatige intelligentie (AI)-modellen zijn een wijdverspreid instrument dat in een breed scala aan toepassingen wordt ingezet, mogelijk gemaakt door geavanceerde architecturen, leeralgoritmen en hardware.Er bestaat een groeiende overeenstemming in het vakgebied dat de ontwikkeling van zeer efficiënte modellen niet langer los kan worden gezien van de onderliggende hardware. Dit heeft ertoe geleid dat de gezamenlijke ontwikkeling van algoritmen en hardware een centraal onderzoeksthema is geworden en dat er diverse applicatiespecifieke geïntegreerde schakelingen (ASIC's) zijn ontwikkeld die zijn afgestemd op het efficiënt uitvoeren van specifieke modellen.
In dit werk worden twee nieuwe rekenprimitieven geïntroduceerd, in de vorm van neurale schakelingen, die bijdragen aan de verdere ontwikkeling van energiezuinige analoge neuromorfische computing voor edge-toepassingen. Samen tonen deze twee bijdragen aan dat de gezamenlijke ontwikkeling van hardware en algoritmen een breed toepasbaar principe is voor efficiënt neuromorfisch rekenen.