Projektbeschreibung
Plasmonik könnte neuromorphes Rechnen energieeffizienter machen
Neuromorphes Rechnen involviert Systemelemente, die die natürlichen biologischen Strukturen des menschlichen Nervensystems nachahmen können. Daher stellt es eine vielversprechende energieeffiziente Alternative zu konventionellen Rechnerarchitekturen dar. Das EU-finanzierte Projekt PlasmoniAC wird in die besten verfügbaren Materialien und Technologien auf plasmonischer Basis investieren, um die Rechenleistung, Größe und Energiekapazität von neuromorphen Chips zu optimieren. Gelingt dies, wird das Projekt eine Reihe leistungsfähiger, künstlich erzeugter plasmonischer Neuronen vorweisen können. Dadurch könnte das Projekt die Recheneffizienz pro Neuron um bis zu drei Größenordnungen erhöhen und den Energieverbrauch um bis zu sechs Größenordnungen verringern, als dies bislang mit neuromorphen Spitzenrechnern auf dem neuesten Stand der Technik möglich ist.
Ziel
PlasmoniAC invests in neuromorphic computing towards sustaining processing power and energy efficiency scaling, adopting the best-in-class material and technology platforms for optimizing computational power, size and energy at every of its constituent functions. It employs the proven high-bandwidth and low-loss credentials of photonic interconnects together with the nm-size memory function of memristor nanoelectronics, bridging them by introducing plasmonics as the ideal technology for offering photonic-level bandwidths and electronic-level footprint computations within ultra-low energy consumption envelopes. Following a holistic hardware/software co-design approach, PlasmoniAC targets the following objectives: i) to elevate plasmonics into a computationally-credible platform with Nx100Gb/s bandwidth, um2-scale size and >1014 MAC/s/W computational energy efficiency, using CMOS compatible BTO and SiOC materials for electro- and thermo-optic computational functions, ii) to blend them via a powerful 3D co-integration platform with SixNy-based photonic interconnects and with non-volatile memristor-based weight control, iii) to fabricate two different sets of 100Gb/s 16- and 8-fan-in linear plasmonic neurons, iv) to deploy a whole new class of plasmo-electronic and nanophotonic activation modules, v) to demonstrate a full-set of sin2(x), ReLU, sigmoid and tanh plasmonic neurons for feed-forward and recurrent neurons, v) to embrace them into a properly adapted Deep Learning training model suite, ultimately delivering a neuromorphic plasmonic software design library, and vi) to apply them on IT security-oriented applications for threat and malware detection. Succeeding in its targets will release a powerful artificial plasmonic neuron suite with up to 3 orders of magnitude higher computational efficiencies per neuron and 1 and 6 orders of magnitude higher energy and footprint efficiencies, respectively, compared to the top state-of-the-art neuromorphic machines.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-ICT-2019-2
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
546 36 THESSALONIKI
Griechenland