Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Inferencing, Fast and Slow with Ultra-scaled Phase-Change Devices

Opis projektu

Rozwiązania będące odpowiedzią na wyzwania związane z wnioskowaniem w uczeniu głębokim

Niezrównoważone zapotrzebowanie na energię związane z przepływem danych hamuje postęp sztucznej inteligencji, ograniczając jej potencjał przyspieszenia postępu gospodarczego i środowiskowego. Nieulotne pamięci oparte na przewodnictwie mogą sprostać temu wyzwaniu, utrzymując wagi synaptyczne w stanie stacjonarnym i umożliwiając obliczenia wewnątrz pamięci. Jednak istniejącym urządzeniom daleko jeszcze do swoich teoretycznych i funkcjonalnych ograniczeń. Finansowany przez ERBN projekt INFUSED wypełnia tę lukę, wykorzystując nowatorskie, ultra-skalowane urządzenia pamięci z przemianą fazową, które skutecznie kodują zarówno długoterminowe, jak i krótkoterminowe wagi adaptacyjne, co toruje drogę dla nowej generacji energooszczędnego sprzętu AI inspirowanego mechanizmami biologicznymi.

Cel

A major challenge for deep learning inference is the high energy demand required to retrieve large amounts of synaptic weight data from memory. One promising approach to address this is the use of conductance-based devices, such as non-volatile phase-change memory, to develop chips with stationary synaptic weights. However, two key obstacles remain: enhancing the computational capabilities and increasing the energy efficiency of these devices. INFUSED tackles both issues through groundbreaking device innovation. By utilizing the physics of ultra-scaled materials, it pushes energy efficiency closer to its theoretical limits. Moreover, it introduces dual neurally-plausible temporal dynamics, combining fast adaptive responses with slow, gradual conductance changes. This reimagines traditional neural network elements like the perceptron for more energy-efficient AI inference.

INFUSED specifically aims to:

☞ Develop a breakthrough device design method to encode slow weights efficiently by reducing electrical contacts and active volumes to unprecedented scales—below 10 nm², and using 1-nm-thick van der Waals films. These weights are programmable with energy in the tens of femtojoules, offering up to a 100x improvement over current industry devices.

☞ Design a reconfigurable volatile memory to encode fast weights within the slow weights. This innovative method uses field-effect properties of the ultra-scaled volumes. These weights exhibit non-linear temporal dynamics, consuming energy in the picoWatt range, with timescales spanning microseconds to hours, adaptable to AI tasks.

☞ Demonstrate a mixed hardware-software implementation of biologically inspired algorithms leveraging fast and slow dynamics. New neural architectures are developed and benchmarked against mainstream neural networks, as well as against hardware substrates like parallel computing architectures (e.g. GPUs), in complex vision tasks.

Dziedzina nauki (EuroSciVoc)

Projekt nie został jeszcze sklasyfikowany według klasyfikacji EuroSciVoc.
Wskaż dziedziny nauki, które twoim zdaniem są najbardziej istotne z punktu widzenia tego projektu i pomóż nam usprawnić naszą usługę klasyfikacji.

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2025-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

IBM RESEARCH GMBH
Wkład UE netto
€ 1 499 800,00
Adres
SAEUMERSTRASSE 4
8803 RUESCHLIKON
Szwajcaria
Region
Schweiz/Suisse/Svizzera Nordwestschweiz Aargau
Rodzaj działalności
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Linki
Koszt całkowity
€ 1 499 880,00

Beneficjenci (1)