Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Meta-Learning of memristive devices for lifelong adaptation

Descrizione del progetto

Una soluzione per migliorare la sostenibilità dell’intelligenza artificiale

I progressi nel campo delle tecnologie di intelligenza artificiale (IA), congiuntamente all’adozione diffusa di applicazioni di apprendimento automatico (AA), hanno determinato un aumento dell’utilizzo del cloud e del consumo energetico globale; come risposta a tale tendenza, gli sviluppatori si stanno orientando verso la distribuzione di dispositivi intelligenti ai margini delle reti. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto MALEFICENT si propone di migliorare la sostenibilità e di ridurre i costi energetici sviluppando un quadro innovativo per l’implementazione e l’utilizzo di applicazioni di IA sostenibili ai margini della rete. Il progetto si concentrerà sulla creazione di un sistema neuromorfico autoadattativo che sfrutta i dispositivi di memoria emergenti affrontando i loro limiti e migliorando al contempo l’efficienza energetica e la non volatilità, secondo un approccio che costituisce un’alternativa agli attuali sistemi basati sull’IA. Si prevede che i risultati del progetto forniranno nuovi indizi sulle tecnologie di memoria emergenti.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

TECHNISCHE UNIVERSITAET MUENCHEN
Contributo netto dell'UE
€ 134 750,08
Indirizzo
Arcisstrasse 21
80333 Muenchen
Germania
Regione
Bayern Oberbayern München, Kreisfreie Stadt
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partecipanti (1)

Partner (2)