Descripción del proyecto
El potencial de los plasmónicos para una computación neuromórfica eficiente en materia de energía
La computación neuromórfica, que abarca dispositivos que pueden imitar las estructuras biológicas naturales del sistema nervioso humano, presenta una prometedora alternativa eficiente en materia de energía frente a las arquitecturas computacionales convencionales. El proyecto financiado con fondos europeos PlasmoniAC invertirá en los mejores materiales y en tecnología basada en la plasmónica con el objetivo de optimizar la potencia de cálculo, el tamaño y el consumo energético de los chips neuromórficos. Si resulta exitoso, el proyecto probará un potente conjunto neuronal plasmónico artificial. En comparación con los equipos neuromórficos más avanzados, podría alcanzar una eficiencia computacional por neurona de hasta tres órdenes de magnitud superior, así como un consumo energético de hasta seis órdenes de magnitud menor.
Objetivo
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.
Ámbito científico
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-ICT-2019-2
Régimen de financiación
RIA - Research and Innovation actionCoordinador
546 36 THESSALONIKI
Grecia