Chips JU 2024 IA NeAIxt
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - KTH Skolan för elektroteknik och datavetenskap, avdelningen för Elektronik och inbyggda system |
| Bidrag från Vinnova | 14 115 475 kronor |
| Projektets löptid | september 2025 - augusti 2028 |
| Status | Pågående |
| Utlysning | Chips JU |
Syfte och mål
NeAIxt-konsortiet tar sig an utmaningar med nästa generations Edge AI. Den svenska gruppen utvecklar energieffektiva lösningar för att känna igen objekt och situationer med hjälp av IRnovas IR- och mm-vågssensorer. Tillämpningarna rör hälsa, säkerhet och industri tillsammans med Strikersoft, FOI och IRnova. Lösningarna byggs på KTH:s SiLago-plattform, portad till 22nm FDSOI, jämförs med COTS och testas även på IMEC:s 2nm-nod.
Förväntade effekter och resultat
I NeAIxt levererar det svenska konsortiet: FOI demonstrerar neuronnätsbaserad objektigenkänning med IRnovas avancerade IR-sensor; IRnova visar AI/ML-system för avkastningsförbättring och IR-baserad detektion; Strikersoft förbättrar sök- och räddningssystem med mmWave- och IR-sensorer; KTH presenterar sin 22nm-portade SiLago-plattform, med fokus på fördelar vid en framtida 2nm-port. KTH visar även 10–100× bättre SiLago-designs än COTS
Planerat upplägg och genomförande
Strikersoft, IRnova och FOI kommer att definiera kvantifierbara krav för sina AI/ML-applikationer, förbereda tränings- och valideringsdata, utveckla algoritmer och demonstrera dem på COTS-plattformar som FPGA och GPU. KTH anpassar SiLago-ramverket till 22nm, kartlägger partnernas AI/ML-applikationer, jämför med COTS och syntetiserar SiLago för 2nm för att utvärdera potentiella fördelar.