Description du projet
Une plateforme technologique de circuits intégrés photoniques pour renforcer l’apprentissage de l’IA par transfert
Les technologies d’IA offrent de considérables avantages pour l’automatisation, l’accélération et l’optimisation de l’efficacité des tâches répétitives, dangereuses ou exigeantes en main-d’œuvre, en particulier dans des secteurs tels que l’industrie manufacturière. Le développement de ces technologies est toutefois complexe, particulièrement l’apprentissage automatique qui requiert beaucoup de temps et de ressources. Le projet HAETAE, financé par l’UE, entend révolutionner l’informatique en développant une plateforme technologique de circuits intégrés photoniques multi-matériaux et une architecture de réseau neuronal photonique, conçue pour s’intégrer aux méthodes d’apprentissage par transfert. Cette approche impliquera la création et la combinaison de matériaux avancés, d’architectures de circuits optiques et de processus d’impression, qui optimiseront à la fois les performances et le coût.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) HORIZON-JU-Chips-2024-3-RIA
Voir d’autres projets de cet appelRégime de financement
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsCoordinateur
546 36 THESSALONIKI
Grèce