Il prof. Jianshi Tang, Scuola di Circuiti Integrati, Università Tsinghua, Cina
Calcolo Neuromorfico Basato su Memristor per Accelerare l'IA e l'Elaborazione dei Segnali
Il rapido sviluppo dell'intelligenza artificiale, come i grandi modelli linguistici, richiede hardware di calcolo più efficiente dal punto di vista energetico, per i quali sono necessarie scoperte fondamentali dai materiali e dai dispositivi alle architetture. Per superare il collo di bottiglia di von Neumann, il calcolo neuromorfico con dispositivi emergenti, come i memristori, emerge come un attraente paradigma di calcolo mimando il meccanismo di funzionamento del cervello umano per il risparmio energetico. Questa lezione intende presentare una revisione completa dei principi fondamentali e delle applicazioni del calcolo neuromorfico basato su memristori. Vengono presentati la selezione dei materiali memristivi e la progettazione dei dispositivi neuromorfici. Il Prof. Tang fornisce una panoramica dei recenti progressi nell'integrazione su larga scala di memristori con CMOS Si avanzati, nonché l'integrazione monolitica 3D con altri dispositivi emergenti, tra cui IGZO e nanotubi di carbonio. In particolare, verranno presentate una varietà di interessanti dimostrazioni di calcolo in memoria (CIM) efficiente dal punto di vista energetico su array a croce di memristori e chip prototipo. Vengono presentate due applicazioni seminali di CIM basato su memristori: l'accelerazione di reti neurali artificiali e l'implementazione di algoritmi di elaborazione dei segnali. Per ciascuna applicazione, il Prof. Tang analizza le sfide chiave e le ultime scoperte. Infine, conclude la presentazione con una prospettiva futura in questo campo ed evidenzia diverse direzioni degne di nota per la ricerca futura, tra cui il calcolo a serbatoio basato su memristori e il calcolo analogico.
