Descrizione del progetto
Processore di intelligenza artificiale di nuova generazione che batte il compromesso tra accuratezza e consumo di energia
Negli ultimi anni, reti neurali profonde (DNN, Deep Neural Networks) in grado di simulare la percezione umana sono state applicate con grande successo ù a centinaia di problemi di salute, robotica, finanza e giochi d’azzardo. Sebbene raggiungano un’accuratezza superiore attraverso l’uso di modelli ampi e profondi, il costo della loro complessità computazionale è elevato. Il progetto Reexen, finanziato dall’UE, mira a far fronte a questa sfida sviluppando un processore di intelligenza artificiale estremamente efficiente in grado di supportare applicazioni edge basate su DNN. La tecnologia utilizza circuiti di segnali misti per il calcolo dell’inferenza dell’apprendimento profondo, infrangendo i limiti della legge di Moore nei circuiti digitali tradizionali. Il design del chip consente 30 trilioni di operazioni per watt al secondo, che è molto più efficiente rispetto agli acceleratori di rete neurale puramente digitali.
Obiettivo
"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."
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialevisione computerizzatariconoscimento dell’immagine
- ingegneria e tecnologiaingegneria elettrica, ingegneria elettronica, ingegneria informaticaingegneria elettronicasensori
- ingegneria e tecnologiaingegneria elettrica, ingegneria elettronica, ingegneria informaticaingegneria elettronicarobotica
- scienze naturaliinformatica e scienze dell'informazionescienza dei datitrattamento dei dati
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeintelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Programma(i)
Argomento(i)
Invito a presentare proposte
Vedi altri progetti per questo bandoBando secondario
H2020-SMEInst-2018-2020-1
Meccanismo di finanziamento
SME-1 - SME instrument phase 1Coordinatore
8001 Zurich
Svizzera
L’organizzazione si è definita una PMI (piccola e media impresa) al momento della firma dell’accordo di sovvenzione.