Project

Neuromorphic computing mogelijk gemaakt door zwaar gedoteerde halfgeleideroptica

Acroniem
NEHO
Code
41A00123
Looptijd
01-01-2023 → 31-12-2025
Financiering
Europese middelen: kaderprogramma
Onderzoeksdisciplines
  • Natural sciences
    • Photonics, optoelectronics and optical communications
Trefwoorden
neuromorph rekenen
Overige informatie
 
Projectomschrijving

NEHO gaat een nieuw platform voor fotonische geïntegreerde schakelingen ontwikkelen dat ultrasnelle en energiezuinige neuromorfie mogelijk maakt informatieprocessen door middel van een nieuw ontwikkelde niet-lineaire foton-plasmon halfgeleidertechnologie op mid-infrarood golflengten (8-12 μm). NEHO-visie zal worden bereikt door onconventioneel gebruik van halfgeleiders om plasmonic te optimaliseren en te controleren effecten die de optische niet-lineariteit zullen bieden die nodig is om de functionaliteiten van een kunstmatig neuron te implementeren. NEHO is optisch neuron wordt de bouwsteen voor de realisatie van ultrasnelle optische neurale netwerken. We combineren de flexibiliteit van veldeffect apparaten gerealiseerd op halfgeleiders met de nanoschaal aard van plasmonische processen om de herconfigureerbaarheid van de mogelijk te maken niet-lineaire optische coëfficiënt op elk knooppunt van het netwerk, eenvoudigweg verkregen door het regelen van DC elektrische potentiaalniveaus. In het midden van NEHO is het idee om de rijke elektronendynamiek van halfgeleiders te benutten. Gedoopte halfgeleiders ondergaan een interessante overgang van het grootte-kwantiseringsregime naar het klassieke regime van plasmonoscillaties. Dit overgangsgebied kan sterk tentoonspreiden niet-lokale en niet-lineaire optische respons vanwege een grote verscheidenheid aan elektron-elektron-interacties. De afname van de elektronendichtheid geïnduceerd op het halfgeleideroppervlak door een externe voorspanning kan worden gebruikt om de niet-lineaire responssterkte te moduleren. Deze ongekende functie zal worden gebruikt om de hardware-implementatie van een neuraal netwerk te benutten voor de ontwikkeling van nieuwe optimalisatietechnieken voor machine learning, inclusief de optimalisatie van de niet-lineaire activeringsfunctie voor verschillende taken. Deze extra vrijheidsgraad biedt enorme voordelen voor een grote verscheidenheid aan machine learning-toepassingen.

 
 
 
Disclaimer
Funded by the European Union. Views and opinions expressed are however those of the author(s) only and do not necessarily reflect those of the European Union or the European Innovation Council and SMEs Executive Agency (EISMEA). Neither the European Union nor the authority can be held responsible for them.