Opis projektu
Innowacyjne podejście do energooszczędnego sprzętu sieci neuronowych
Gwałtowny wzrost zapotrzebowania na energię sprawia, że dużym problem z tradycyjnymi obliczeniami komputerowymi staje się ich nieefektywność. Co więcej, istniejący sprzęt sieci neuronowych napotyka ograniczenia w zakresie zużycia energii i niezawodności. W tej sytuacji finansowany ze środków UE projekt SkyANN (Skyrmionic Artificial Neural Networks) opracuje połączone ze sobą urządzenia magnetoelektryczne, czego celem jest podwojenie przepustowości i zmniejszenie zużycia energii o cztery rzędy wielkości w porównaniu z najnowocześniejszymi rozwiązaniami. W ten sposób rzuca on wyzwanie konwencjonalnym paradygmatom obliczeniowym. SkyANN osiągnie te cele poprzez odzwierciedlenie funkcji mózgu na poziomie synaps. Taki magnetoelektryczny sprzęt sieci neuronowej może zaoferować doskonałą wydajność energetyczną i niezawodność. Poprzez realizację swoich ambitnych planów stworzenia pionierskich magnetoelektrycznych sieci neuronowych projekt SkyANN zamierza odmienić oblicze europejskiej mikroelektroniki. Jego wielopodmiotowe konsorcjum zapewni szybki transfer innowacji, wzmacniając europejski sektor półprzewodników zgodnie z wizją Zielonego Ładu Unii Europejskiej.
Cel
The Skyrmionic Artificial Neural Network (SkyANN) presents a groundbreaking paradigm for neuromorphic computing, closely emulating brain neurophysiology by combining skyrmionic quasiparticles, which mimic neurotransmitters and facilitate complex computations at the synapse level, with electrical CMOS connections that simulate the propagation of action potentials among neurons for rapid and dense inter-layer connectivity. Our innovative magneto-electric devices aim to achieve energy consumption four orders of magnitude lower than CMOS technology and double the bandwidth for the same device footprint, enhancing edge inference and learning capabilities. This approach challenges contemporary neural networks implemented with CMOS digital, mixed-signal, and emerging in-memory computing technologies, which are limited by lower energy efficiency and reliability.
Building on preliminary results from SkyANN partners, we plan an ambitious endeavor to develop a first-of-its-kind magneto-electric neural network, showcasing the promising potential of this novel technology. Along the way, we will refine materials, processes, design methodologies, and architectures to prepare the European micro- and nano-electronics ecosystem for the future, while supporting the EU's Green Deal vision.
Our well-balanced consortium brings together complementary expertise and extensive knowledge, spanning from device physics to circuits and architectures across multiple layers of design abstraction. As a result, the SkyANN consortium is poised to facilitate the rapid transfer of fundamental discoveries to relevant industrial stakeholders, accelerating impact and reinforcing European strengths in the economically, geopolitically, and socially vital semiconductor sector.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczenauki fizyczneelektromagnetyzm i elektronikaurządzenie półprzewodnikowe
- nauki przyrodniczenauki biologiczneekologiaekosystemy
- inżynieria i technologiananotechnologiananoelektronika
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
HORIZON-CL4-2023-DIGITAL-EMERGING-01-CNECT
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
546 36 THESSALONIKI
Grecja