Prof. Jianshi Tang, Escuela de Circuitos Integrados, Universidad de Tsinghua, China
Computación Neuromórfica Basada en Memristores para Acelerar la IA y el Procesamiento de Señales
El rápido desarrollo de la inteligencia artificial, como los modelos de lenguaje grandes, exige hardware informático más eficiente energéticamente, para lo cual se necesitan avances fundamentales desde los materiales y dispositivos hasta las arquitecturas. Para superar el cuello de botella de von Neumann, la computación neuromórfica con dispositivos emergentes, como los memristores, surge como un paradigma de computación atractivo al imitar el mecanismo de trabajo del cerebro humano para ahorrar energía. Esta conferencia tiene la intención de presentar una revisión exhaustiva de los principios fundamentales y las aplicaciones de la computación neuromórfica basada en memristores. Se presentan la selección de materiales para memristores y el diseño de dispositivos neuromórficos. El Profesor Tang ofrece una visión general del progreso reciente de la integración a gran escala de memristores con CMOS de silicio avanzado, así como la integración monolítica 3D con otros dispositivos emergentes, incluyendo IGZO y nanotubos de carbono. En particular, se presentarán una variedad de demostraciones interesantes de computación en memoria (CIM) energéticamente eficiente en matrices cruzadas de memristores y chips prototipo. Se presentan dos aplicaciones seminales de CIM basada en memristores: la aceleración de redes neuronales artificiales y la implementación de algoritmos de procesamiento de señales. Para cada aplicación, el Profesor Tang disecciona los desafíos clave y los últimos avances. Finalmente, concluye la presentación con una perspectiva futura en este campo y destaca varias direcciones notables para la investigación futura, incluyendo la computación de reservorio basada en memristores y la computación analógica.
