Descrizione del progetto
La plasticità sinaptica e la «cognizione» nelle nanoreti di componenti memristivi e spintronici
L’intelligenza artificiale (IA) sta trasformando il modo in cui le macchine «pensano» grazie ad algoritmi e software capaci di rispondere in modo intelligente e adattativo ai problemi che si presentano, spesso prendendo decisioni in tempo reale e apprendendo dalle esperienze passate. Ulteriormente vicini alla funzione del cervello umano si trovano i sistemi fisici, hardware piuttosto che software, che imitano i neuroni e le sinapsi, nonché i loro comportamenti, a livello individuale o collettivo. Il progetto Grenadyn, finanziato dall’UE, sta sviluppando sistemi di tal genere a partire da componenti memristivi e spintronici in grado di riorganizzarsi dinamicamente e di apprendere senza alcuna supervisione. L’obiettivo finale è quello di dimostrare un chip con dispositivi nanosinaptici integrati su CMOS che possa raggiungere tassi di riconoscimento delle forme equivalenti in linea con quelli dell’IA.
Obiettivo
The Grenadyn project will demonstrate that assemblies of imperfect, dynamical nanodevices can self-learn through physical principles, like biological neurons and synapses do, with performance comparable to the best artificial intelligence (AI) algorithms. For this, Grenadyns networks will minimize their effective energy together with the recognition error when learning.
The starting point of Grenadyn is an algorithm called Equilibrium Propagation, developed by AI pioneer Yoshua Bengio, that takes its roots in physics. We will assemble memristive as well as spintronic nanocomponents in neural networks that perform pattern recognition through Equilibrium Propagation. We will show that these dynamical networks learn by nudging their outputs towards the desired solution through a spring-like force, and letting nano-synapses and neurons reorganize themselves towards equilibrium. We will show that they can also learn directly from the data, without supervision.
We will induce a high resilience to imperfections in these networks through self-adaptation and digitization. We will demonstrate by experiments and simulations that our physical neural networks made of variable elements compute with an accuracy similar to software neural networks trained with backpropagation. We will produce a chip integrating nanosynaptic devices on CMOS and achieve state-of-the-art recognition rates on AI image benchmarks.
We will enhance the network functionalities by leveraging their dynamical properties through synchronization and time-delayed feedback. Finally, we extend Grenadyns in-materio self-learning to any assembly of coupled dynamical nanodevices, providing novel horizons for multifunctional materials and devices.
Grenadyns scientific advances in condensed-matter physics, non-linear dynamics, electronics, and AI will give the foundations for deep network chips that contain billions of nano-synapses and nano-neurons and self-learn with state-of-the-art accuracy.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
- scienze naturaliscienze fisicheelettromagnetismo ed elettronicaspintronica
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialericonoscimento delle forme
- ingegneria e tecnologiananotecnologiananoelettronica
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeintelligenza computazionale
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2020-ADG
Vedi altri progetti per questo bandoMeccanismo di finanziamento
ERC-ADG -Istituzione ospitante
75794 Paris
Francia