Descripción del proyecto
Un procesador de inteligencia artificial de próxima generación supera el término medio entre consumo de electricidad y precisión
En los últimos años, las redes neurales profundas (RNP) capaces de simular la percepción humana se han aplicado muy satisfactoriamente a cientos de problemas del ámbito de la salud, la robótica, las finanzas y el juego. Aunque logran una precisión superior con el uso de modelos amplios y profundos, el coste de su complejidad informática es elevado. El proyecto Reexen, financiado con fondos europeos, tiene como objetivo hacer frente a este problema mediante el desarrollo de un procesador de inteligencia artificial extremadamente eficiente que admite aplicaciones en el borde basadas en RNP. La tecnología utiliza circuitería de señal mixta para la computación de inferencia de aprendizaje profundo, de forma que rompe las limitaciones de la ley de Moore en los circuitos digitales tradicionales. El diseño del chip permite realizar 30 000 billones de operaciones por vatio por segundo, de forma que resulta mucho más eficiente que los aceleradores de redes neurales de base digital.
Objetivo
"Since the breakthrough application of Deep Neural Networks algorithms (DNNs) to speech and image recognition, the number of applications that use DNNs has exploded, achieving the highest accuracy in a myriad of contexts (health, robotics, finance, gaming, etc.). However, their superior accuracy comes at the cost of high computational complexity.
Current approaches to solve this challenge are cloud-based, incurring in high power consumption and high latency, given their communication needs. Although cloud approaches are suitable for some context, they are suboptimal for real-time applications running on embedded or mobile devices (with limited battery capacity and requiring fast responses).
REEXEN appears to bring a solution to this challenge: an extremely efficient AI processor (a semiconductor chip) specifically designed for supporting DNN-based edge applications. By exploiting state-of-the-art semiconductor technologies in mixed-signal circuits and in-memory processing, REEXEN obtains the best power-efficiency when executing DNN algorithms, in terms of maximum throughput per energy unit consumption (30 TOPs/W). By reducing the ""distance"" between data generation (sensors), data storage (memory) and data processing (core processor or nucleus), and by eliminating A/D conversions, REEXEN also achieves minimum latency (<10ms) and fabrication area, thus also reducing the overall cost of production.
REEXEN completely aligns with the EU approach to AI, as an enabling technology that will allow the development of current industry-transversal smart services and the implementation of future new ones.
Our company is 100% focused on developing next generation of ultra-low power neural network processors. From the successful results of our early prototyping for audio applications, REEXEN project will attract the best talent and additional financing to build the business around our technology and increase our company size, international presence and job generation."
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialvisión artificialreconocimiento de imágenes
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicasensores
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicarobótica
- ciencias naturalesinformática y ciencias de la informaciónciencia de datostratamiento de datos
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialinteligencia computacional
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-SMEInst-2018-2020-1
Régimen de financiación
SME-1 - SME instrument phase 1Coordinador
8001 Zurich
Suiza
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.