Сверхбыстрые и энергоэффективные спинтронные устройства для задач искусственного интеллекта

Совместный российско-тайваньский проект направлен на изучение возможностей, предлагаемых спинтроникой, для создания сверхбыстрых и сверхэкономичных нейроморфных устройств. В последние годы возросла популярность новых вычислительных парадигм искусственного интеллекта, направленных на имитацию функциональных вычислительных свойств мозга. Ожидается, что такие системы смогут достичь прорыва в технологиях, связанных с эффективным анализом экспоненциально растущего объема данных («Большие данные»). В настоящее время стандартом де-факто для решения широкого класса задач машинного обучения и распознавания образов становится технология «глубокого обучения», основанная на многослойных нейронных сетях. Однако эти технологии обладают рядом высокозатратных или трудноприменимых в практических задачах обработки больших объемов данных характеристик. Среди них - сильная зависимость от доступности больших объемов обучающих данных и связанные с этим значительные вычислительные затраты на обучение. В рамках этого проекта мы предлагаем разработать сверхбыстрые и нейроморфные решения и подходы с низким рассеянием энергии в трех взаимосвязанных областях: со-проектирование глубокого обучения с STT-MRAM, проектирование и прототип программируемого нейроморфного чипа на базе STT-MRAM, исследование динамики обучения, необходимой для систем искусственного интеллекта на основе сверхбыстрого магнетизма на частоте терагерцового резонанса в ферримагнитных и антиферромагнитных материалах.