Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Meta-Learning of memristive devices for lifelong adaptation

Description du projet

Une solution pour améliorer la durabilité de l’IA

Les progrès des technologies d’IA, associés à l’adoption généralisée des applications d’apprentissage automatique (ML pour « machine learning»), ont entraîné une augmentation du recours au cloud et de la consommation mondiale d’énergie. En réponse, les développeurs s’orientent vers le déploiement de dispositifs intelligents à la périphérie des réseaux. Soutenu par le programme Actions Marie Skłodowska-Curie, le projet MALEFICENT vise à renforcer la durabilité et à réduire les coûts énergétiques en concevant un nouveau cadre pour la mise en œuvre et l’utilisation d’applications d’IA durables à la périphérie. Le projet se concentrera sur la création d’un système neuromorphique auto-adaptatif qui exploite les dispositifs de mémoire émergents, en s’attaquant à leurs limites tout en améliorant l’efficacité énergétique et la non-volatilité. Cette approche est une alternative aux systèmes d’IA actuels. Les résultats du projet devraient permettre de mieux comprendre les technologies de mémoire émergentes.

Objectif

The continued growth of artificial intelligence (AI) in the cloud is driving up global energy costs. As a result, a paradigm shift is taking place where new intelligent devices are placed right at the edge. MALEFICENT will create a new framework for implementing sustainable AI at the edge using standard and novel technologies. Neuromorphic systems using emerging memory devices such as resistive switching devices (ReRAM) or ferroelectric capacitors (FeCap), are a promising alternative for AI systems thanks to their energy efficiency and non-volatility. However, the deployment of these devices in real-world applications poses some challenges, due to their intrinsic variability and limited bit precision. I will use advanced learning techniques such as meta-learning to create a self-adaptive neuromorphic system based on emerging memory devices able to exploit the intrinsic features of the devices while mitigating their limitations. I will then apply it to a real-world environment, such as robotics. This will have a significant impact on the research of emerging memory technologies, by opening up the possibility of exploitation in an industrial context.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2024-PF-01

Voir tous les projets financés au titre de cet appel

Coordinateur

TECHNISCHE UNIVERSITAET MUENCHEN
Contribution nette de l'UE
€ 134 750,08
Adresse
Arcisstrasse 21
80333 Muenchen
Allemagne
Région
Bayern Oberbayern München, Kreisfreie Stadt
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Participants (1)

Partenaires (2)