Prof. Jianshi Tang, Escola de Circuitos Integrados, Universidade Tsinghua, China
Computação Neuromórfica Baseada em Memristores para Aceleração de IA e Processamento de Sinais
O rápido desenvolvimento da inteligência artificial, como modelos de linguagem grandes, exige hardware de computação mais eficiente em termos de energia, onde são necessários avanços fundamentais de materiais e dispositivos para arquiteturas. Para superar o gargalo de von Neumann, a computação neuromórfica com dispositivos emergentes, como memristores, surge como um paradigma atraente de computação, imitando o mecanismo de funcionamento do cérebro humano para economia de energia. Esta palestra pretende apresentar uma revisão abrangente dos princípios fundamentais e aplicações da computação neuromórfica baseada em memristores. São apresentadas a seleção de materiais de memristores e o design de dispositivos neuromórficos. O Prof. Tang oferece uma visão geral do progresso recente da integração em larga escala de memristores com CMOS de silício avançado, bem como integração monolítica 3D com outros dispositivos emergentes, incluindo IGZO e nanotubos de carbono. Em particular, serão apresentadas uma variedade de demonstrações interessantes de computação em memória (CIM) eficiente em termos de energia em arranjos de crossbar de memristores e chips protótipo. São apresentadas duas aplicações seminais de CIM baseada em memristores: a aceleração de redes neurais artificiais e a implementação de algoritmos de processamento de sinais. Para cada aplicação, o Prof. Tang disseca os desafios chave e os avanços mais recentes. Finalmente, ele conclui a apresentação com uma perspectiva futura neste campo e destaca várias direções notáveis para pesquisas futuras, incluindo computação de reservatório baseada em memristores e computação analógica.
