Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

MEMFLUX

Financiado

Cerrado

An in memory dataflow accelerator for deep learning

Deep neural networks (DNNs), loosely inspired by biological neural networks, consist of parallel processing units called neurons interconnected by plastic synapses. By tuning the weights of these interconnections, these networks a... ver más

31/12/2022

IBM

150K€

Presupuesto del proyecto: 150K€

Líder del proyecto

IBM RESEARCH GMBH No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2022-12-31

ERC-2020-POC: Call for proposals for ERC Proof of...

I+D

Cerrada hace 5 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

2 Participantes

IBM

150.00K€ | Lider

PROYECTIA, DESARROLLO Y APOY...

596.70K€ | Participante

Proyectos interesantes

ALOHA

Software

Data Science

6M€ Cerrado

PGC2018-097339-B-I00

Software

Electronics

162K€ Cerrado

Reexen

Software

Electronics

71K€ Cerrado

PID2020-113656RB-C21

Software

Data Science

257K€ Cerrado

Hailo-8

Software

Electronics

3M€ Cerrado

POST-DIGITAL

Software

Data Science

4M€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 22 meses Fecha Inicio: 2021-02-02
Fecha Fin: 2022-12-31

Líder del proyecto

IBM RESEARCH GMBH No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 150K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Deep neural networks (DNNs), loosely inspired by biological neural networks, consist of parallel processing units called neurons interconnected by plastic synapses. By tuning the weights of these interconnections, these networks are able to perform certain cognitive tasks remarkably well. DNNs are being deployed all the way from cloud data centers to edge servers and even end devices and is projected to be a tens of billion Euro-market just for semiconductor companies in the next few years. There is a significant effort towards the design of custom ASICs based on reduced precision arithmetic and highly optimized dataflow. However, one of the primary reasons for the inefficiency, namely the need to shuttle millions of synaptic weight values between the memory and processing units, remains unaddressed. In-memory computing is an emerging computing paradigm that addresses this challenge of processor-memory dichotomy. For example, a computational memory unit with resistive memory (memristive) devices organized in a crossbar configuration is capable of performing matrix-vector multiply operations in place by exploiting the Kirchhoff’s circuits laws. Moreover, the computational time complexity reduces to O(1). The goal of this project is to prototype such an in-memory computing accelerator for ultra-low latency, ultra-low power DNN inference.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores