Design av ett neuron-likt minne

Diarienummer 2018-00949
Koordinator Xenergic AB
Bidrag från Vinnova 300 000 kronor
Projektets löptid maj 2018 - november 2018
Status Pågående
Utlysning Innovativa startups
Ansökningsomgång Innovativa startups steg 1 våren 2018

Syfte och mål

I det här projektet ska vi undersöka hur vi kan öka energieffektiviteten i en integrerad krets (IC) som är avsedd för en maskinlärning (ML) -applikation. Signalbehandlingen i ML kallas neuromorfa beräkningar och består i grunden av datalagring, och synaptisk processning, dvs multiplikationer och additioner. Huvuddelen av energin förbrukas genom att spara, tillhandahålla och lagra data i minnen. Till skillnad från en hjärna, där data lagras lokalt i synapserna, är data i en IC organiserad på modulärt sätt. Nuvarande minnesarkitekturer är ineffektivt för ML-arkitekturer.

Förväntade effekter och resultat

I detta projekt vill vi designa ett neuron-likt minne som bygger på vår tidigare patenterade minnesarkitektur. Detta kommer att uppnås genom integration av databehandlingslogik för neuron-lik signalbehandling i våra minnen. Det förväntade resultat är en mycket högre prestanda i ML till en mycket låg energiförbrukning. Den förutseende minnesarkitekturen kommer att vara lämplig för andra tillämpningar som behövs i ett hållbart samhälle.

Planerat upplägg och genomförande

Projektledaren, Berta Escort (f), har fått en fast anställning efter hennes examensarbete i juni 2018. Hon kommer att coacha en grupp av 2 masterstudenter, som ska genomföra sina examensarbete med hennes handledning. Studenterna kommer undersöka hög-nivå arkitekturer för ML, och hur de kan konstruearas om den integrerade minnesarkitekturen är skräddarsydd för en ML-bearbetning. Resultatet av denna studie kommer att klargöra prestationsvinster och kommer till nytta i ett senare projekt där en fysisk prototyp ska utvecklas.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.