Neuromorf beräkning i memristorförbättrade analoga kretsar
- Diarienummer
- ID22-0008
- Projektledare
- Borg, Mattias
- Start- och slutdatum
- 230101-271231
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- Lunds tekniska högskola
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Trots att maskininlärning håller på att bli ovärderligt för många industriella sektorer, så är teknologin fortfarande inkompatibel med flera viktiga användningsområden, såsom edge computing och “utvidgad verklighet” (XR), vilka har strikta restriktioner på energianvändning och formfactor. Detta adresseras av hjärnlik (neuromorf) hårdvara som implementerar spikande neuronnät (SNN), och utlovar mer än 10x bättre energieffektivitet än ultimata digitala lösningar. Dock begränsas nuvarande digitala och mixade implementationer av sådan hårdvara av att ej till fullo uttnyttja SNN:ers analoga natur. Här ämnar vi att realisera den essentiella beräkningskärnan för ett framtida helt analogt neuromorft system, baserat på Ericssons och Lunds Universitets expertis inom analog kretsdesign och nanoelektronik. Målen med projektet är att (1) designa neuronkretsar i analog CMOS utökade med memristor funktionalitet, (2) sammankoppla dessa med 256x256 korsmatriser med integrerade memristorsynapser, och (3) demonstrera en helt analog neuromorf beräkningskärna. På Ericsson kommer doktoranden att utföra analog kretsdesign mot dessa tre mål, med en komponentmodell baserad på ferroelektriska memristorer från Borgs grupp. Den innovativa kretsdesignen och den demonstrator av en neuromorf beräkningskärna med integrerade memristor-matriser blir ett grundläggande steg mot Sveriges första neuromorfa beräkningsplattform.
Populärvetenskaplig beskrivning
Artificiell intelligens (AI) är på god väg att bli ovärderligt i många industriella sektorer, såsom inom bildbehandling, säkerhet och kommunikation. Men för att AI ska fungera krävs att en stor mängd information behandlas med snabb och kraftfull hårdvara vilket drar mycket elektricitet. Globala elförbrukningen för AI kan komma att överstiga elproduktionen i Sverige redan 2030, vilket är ett gigantiskt hållbarhetsproblem. Dessutom hindrar den energislukande hårdvaran AI-tillämpningar i batteridrivna enheter som till exempel mobiltelefoner och VR-glasögon, vilka idag kräver en konstant kommunikation med hårdvara i molnet. En lösning på detta energiproblem inom AI ges av så kallad hjärnlik eller neuromorf hårdvara, vilken efterliknar hur hjärnan bearbetar information. Genom att skicka information i korta elektriska signaler genom komplexa nätverk av elektroniska neuroner kan sådan hårdvara komma att använda många gånger mindre energi och bli mycket snabbare än idag, vilket skulle totalt förändra hur och var vi använder AI i framtiden. Nuvarande neuromorfa system bygger på digital teknik, med ettor och nollor, och kan förutsägbart utföra de beräkningar som behövs. Men sådana lösningar missar att den biologiska hjärnan är full av dynamiska och oförutsägbara processer vilka har visat sig vara mycket viktiga för inlärningen. Dessa egenskaper kan bättre modelleras i analog elektronik i kombination med nanoelektronik. Därför vill vi i detta projekt kombinera den mångåriga erfarenheten och excellensen inom båda dessa fält på Ericsson och vid Lunds Universitet för att för första gången designa och tillverka själva kärnan i ett helt analogt neuromorft datorsystem. Vi kommer att designa innovativa kretsar som ska efterlikna biologiska neuroners funktionalitet genom en kombination av avancerad kiselteknik och nanoelektroniska komponenter kallade “memristorer”, vilka har utvecklats vid Lunds Universitet. Memristorerna ger kretsarna avancerad dynamik och viss oförutsägbarhet, samt gör dem kompakta för att maximera antalet neuroner som får plats i systemet. Stora rutnät av sådana memristorer kommer också användas för att på ett dynamiskt sätt koppla samman neuronerna till ett neuralt nätverk. Slutligen ska en komplett beräkningskärna med både neuroner och synapser sättas samman och utvärderas. Detta är stort steg mot att skapa Sveriges första neuromorfa beräkningsplattform, vilket blir en ovärderlig resurs i utvecklingen av framtidens digitala samhälle.