In diesem Projekt verwenden wir neuromorphe Mixed-Mode-Architekturen, um In-Memory-Lernen durch elektrisch programmierbare künstliche Neuronen und Synapsen auf Basis von Phasenwechselmaterialien zu implementieren. Mithilfe fortschrittlicher Fertigungsmethoden und Nanoanalytik werden optimale Kompositionen entwickelt, umgesetzt und getestet. Wir werden Mixed-Precision-Algorithmen für In-Memory-Lernen entwickeln und implementieren und unsere Architektur für die Verarbeitung externer sensorischer Eingaben anwenden. Langfristig streben wir danach, gehirninspirierte nanoskalige Rechner zu entwickeln, die eine adaptive optische Informationsverarbeitung durchführen können.
| Pernice, Wolfram | |
| Salinga, Martin |
| Pernice, Wolfram | |
| Salinga, Martin |
Laufzeit: 01.01.2021 - 31.12.2024 | 1. Förderperiode Gefördert durch: DFG - Sonderforschungsbereich Art des Projekts: Teilprojekt in DFG-Verbund koordiniert an der Universität Münster |
Laufzeit: 01.01.2025 - 31.12.2028 | 2. Förderperiode Gefördert durch: DFG - Sonderforschungsbereich Art des Projekts: DFG-Hauptprojekt koordiniert an der Universität Münster |