Descripción del proyecto
Plataforma tecnológica de circuitos integrados fotónicos para mejorar la inteligencia artificial de aprendizaje por transferencia
Las tecnologías de inteligencia artificial ofrecen ventajas sustanciales para automatizar, acelerar y maximizar la eficiencia de tareas repetitivas, peligrosas o que requieren mucha mano de obra, especialmente en sectores como el manufacturero. No obstante, el desarrollo de estas tecnologías es complejo y, en particular, el aprendizaje automático requiere mucho tiempo y recursos. El proyecto HAETAE, financiado con fondos europeos, pretende revolucionar la informática desarrollando una plataforma tecnológica de circuitos fotónicos integrados multimaterial y una arquitectura de red neuronal fotónica, diseñada para integrarse con métodos de aprendizaje por transferencia. Este método implicará la creación y combinación de materiales avanzados, arquitecturas de circuitos ópticos y procesos de impresión, optimizando tanto la eficiencia como el coste.
Objetivo
HAETAE targets to establish a novel computing paradigm by developing a multi-material PIC technology platform and align this along photonic Neural Network architectures capable of operating along the principles of Transfer Learning methods. HAETAE will deploy a co-integrated PIC platform that brings together the best-in-class material platforms through micro-transfer-printing and hybrid multi-chiplet bonding and proceeds along the best-in-class linear optical circuit architectures, combining: a) Si/Si3N4/SiGe photonics for high-speed fan-in, weighting and fan-out computational stages, b) InP actives for on-chip amplification, and all-optical non-linearities, for speed- and SNR-enhancement in neuromorphic photonic circuit layouts, c) Si/Si3N4 non-volatile Micro-Electro-Mechanical Systems (MEMS) structures for energy-efficient and non-volatile weighting, d) embedded FPGA-based control plane for the efficient programmability of MEMS and chip-configuration. It aims to finally deliver a Photonic Transfer Learning engine that can support one order of magnitude improvements along all critical performance metrics of AI chipsets: energy efficiency of <19fJ/MAC and on-chip computational power that can scale to ~4.1PMAC/s. HAETAE aims to highlight the versatility and flexibility of its twofold photonic transfer learning accelerator by targeting three discrete application sectors in communications and computing: i) real-time threat detection processor for DC cybersecurity applications, ii) DL and AI computing as a LLM transformer, and iii) an optics-enabled AI-enhanced DSP processor for IM/DD transceivers.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaRégimen de financiación
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsCoordinador
546 36 THESSALONIKI
Grecia