Descrizione del progetto
Migliorare l’apprendimento per trasferimento basato sull’intelligenza artificiale con una piattaforma tecnologica per circuiti integrati fotonici
Le tecnologie di intelligenza artificiale (IA) offrono sostanziali vantaggi per automatizzare, accelerare e massimizzare l’efficienza di attività ripetitive, pericolose o ad alta intensità di lavoro, soprattutto in settori come quello manifatturiero; ciononostante, esse sono complesse da sviluppare, in particolare l’apprendimento automatico, che è molto dispendioso in termini di tempo e risorse. Il progetto HAETAE, finanziato dall’UE, si prefigge di rivoluzionare la computazione sviluppando una piattaforma tecnologica per circuiti integrati fotonici multimateriali e un’architettura di rete neurale fotonica, soluzioni concepite al fine dell’integrazione con i metodi di apprendimento per trasferimento. L’approccio adottato dal progetto prevede la creazione e la combinazione di materiali avanzati, architetture di circuiti ottici e processi di stampa, ottimizzando sia l’efficienza che i costi associati.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-JU-Chips-2024-3-RIA
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-JU-RIA -Coordinatore
546 36 THESSALONIKI
Grecia