ARQUITECTURAS MEMRISTIVAS PULSANTES PARA APRENDER A APRENDER
LAS APLICACIONES DE INTELIGENCIA ARTIFICIAL (IA) CONTEMPORANEAS A MENUDO DEPENDEN DEL APRENDIZAJE PROFUNDO, LO QUE IMPLICA GRANDES CARGAS COMPUTACIONALES CON LA TECNOLOGIA ACTUAL, SIN EMBARGO, EXISTE UNA CRECIENTE DEMANDA DE SISTE...
ver más
Descripción del proyecto
LAS APLICACIONES DE INTELIGENCIA ARTIFICIAL (IA) CONTEMPORANEAS A MENUDO DEPENDEN DEL APRENDIZAJE PROFUNDO, LO QUE IMPLICA GRANDES CARGAS COMPUTACIONALES CON LA TECNOLOGIA ACTUAL, SIN EMBARGO, EXISTE UNA CRECIENTE DEMANDA DE SISTEMAS DE INTELIGENCIA ARTIFICIAL DE BAJA POTENCIA Y APRENDIZAJE AUTONOMO QUE SE EMPLEAN "EN EL CAMPO", INVESTIGAREMOS EN ESTE PROYECTO LAS OPCIONES PARA APRENDER EN HARDWARE NO CONVENCIONAL DE BAJA POTENCIA BASADO EN REDES NEURONALES (SNN) IMPLEMENTADAS EN HARDWARE NEUROMORFICO ANALOGICO COMBINADO CON DISPOSITIVOS SINAPTICOS MEMRISTIVOS A NANOESCALA, POR LO TANTO, EL PARADIGMA COMPUTACIONAL PREVISTO COMBINA LAS TRES VIAS MAS PROMETEDORAS PARA MINIMIZAR EL CONSUMO DE ENERGIA EN EL HARDWARE: (1) COMPUTACION NEUROMORFICA ANALOGICA, (2) COMUNICACION BASADA EN EVENTOS (EQUIVALENTE A IMPULSOS NEURONALES) Y (3) MEMORIA ANALOGICA MEMRISTIVA, LOS EXPERTOS DE CADA UNO DE ESTOS CAMPOS COLABORARAN EN EL DESARROLLO DE UN SISTEMA PROTOTIPO FUNCIONAL, EN PARTICULAR, CONSIDERAREMOS LAS SNN RECURRENTES (RSNN) YA QUE SU DINAMICA RECURRENTE INTERNA LAS HACE MAS ADECUADOS PARA APLICACIONES DE IA DEL MUNDO REAL QUE TIENEN INFORMACION TEMPORAL Y EXIGEN ALGUNA FORMA DE MEMORIA A CORTO PLAZO, ADAPTAREMOS UN ALGORITMO DE ENTRENAMIENTO DESARROLLADO RECIENTEMENTE PARA QUE PUEDA USARSE PARA OPTIMIZAR LAS SNN EN HARDWARE NEUROMORFICO CON SINAPSIS MEMRISTIVAS, LAS APLICACIONES "EN EL CAMPO" A MENUDO EXIGEN LA ADAPTACION EN LINEA DE DICHOS SISTEMAS, LO QUE A MENUDO REQUIERE UN PROCEDIMIENTO DE CAPACITACION CON AVERSION AL HARDWARE, PARA SUPERAR ESTE PROBLEMA, INVESTIGAREMOS LA APLICABILIDAD DE "APRENDER A APRENDER" (L2L) EN EL HARDWARE NEUROMORFICO MEMRISTIVO, EN UNA OPTIMIZACION INICIAL, EL HARDWARE ESTA ENTRENADO PARA CONVERTIRSE EN UN BUEN ALUMNO PARA LA APLICACION DE DESTINO, AQUI, LOS ALGORITMOS DE APRENDIZAJE ARBITRARIAMENTE COMPLEJOS SE PUEDEN UTILIZAR EN UN SISTEMA ANFITRION CON EL HARDWARE "EN BUCLE", EN LA APLICACION MISMA, LOS ALGORITMOS MAS SIMPLES, QUE PUEDEN IMPLEMENTARSE FACILMENTE EN HARDWARE NEUROMORFICO, PROPORCIONAN LA ADAPTACION DE LAS RSNN DE HARDWARE, EN RESUMEN, EL OBJETIVO DE ESTE PROYECTO ES CONSTRUIR MAQUINARIA DE IA NEUROMORFICA DE PEQUEÑO TAMAÑO, VERSATIL Y ADAPTABLE, DE BAJA POTENCIA, BASADA EN SNN CON SINAPSIS MEMRISTIVA USANDO L2L, ENTREGAREMOS UN SISTEMA EXPERIMENTAL EN UN ENTORNO DE ROBOTICA DEL MUNDO REAL PARA PROPORCIONAR UNA PRUEBA DE CONCEPTO, MEMRISTORES\NEUROMORFICO\SISTEMAS PULSANTES\APRENDIZAJE\ROBOTICA\VLSI
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.