Neurones oscillants pour le calcul d’optimisation et la mémoire associative

Publié le : 14 mars 2021

Les réseaux de Hopfield sont des réseaux de neurones récurrents qui permettent de réaliser des fonctions de mémoire associative. En soumettant leurs éléments à des fluctuations ajustables, ces réseaux peuvent également être adaptés à la résolution efficace de problèmes d’optimisation combinatoire NP-difficiles. De tels problèmes, dont la résolution exacte en temps polynomial est hors de portée de machines de Turing déterministes, trouvent des applications dans des domaines tels que les opérations logistiques, le design de circuits (e.g. placement-routage), le diagnostic médical, la gestion de réseaux intelligents (e.g. smart grid), la stratégie de management etc.

Le sujet proposé s’inscrit dans le contexte de la recherche d’accélérateurs hardware pour l’intelligence artificielle. L’approche considérée en particulier porte sur le choix d’oscillateurs verrouillés en phase par injection (ILO: Injection-Locked Oscillators) pour réaliser la fonction du neurone. L’objectif sera la conception, la fabrication et la démonstration de réseaux de neurones binaires couplés par des poids synaptiques ajustables pour réaliser des fonctions de mémoire associative (ex: reconnaissance de forme) ou d’optimisation combinatoire (ex: coloration de graphe, partitionnement maximal,…).

En naviguant sur notre site, vous acceptez que des cookies soient utilisés pour vous proposer des contenus et services adaptés à vos centres d’intérêts. En savoir plus
X