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 | Center for Soft Nanoscience (SoN) (SoN) |
| Salinga, Martin | Professur für Experimentelle Physik mit der Ausrichtung Materials Science (Prof. Salinga) |
| Pernice, Wolfram | Center for Soft Nanoscience (SoN) (SoN) |
| Salinga, Martin | Professur für Experimentelle Physik mit der Ausrichtung Materials Science (Prof. Salinga) |