PhD Monitor
/جزئیات
Electrical and Computer Engineering● بازPreview

محاسبات درون‌حافظه‌ای مبتنی بر FeFET برای هوش مصنوعی لبه کم‌مصرف

طراحی و شبیه‌سازی معماری‌های پیشرفته محاسبات درون‌حافظه‌ای مبتنی بر FeFET برای تسریع استنتاج شبکه عصبی کانولوشن برای کاربردهای هوش مصنوعی لبه کم‌مصرف.

مناسب برای:مناسب برای دانشجویان تحصیلات تکمیلی در رشته مهندسی برق یا کامپیوتر با پیشینه قوی در زمینه طراحی مدار، شبیه‌سازی سخت‌افزار و تسریع یادگیری ماشین.

Université de Sherbrooke · Sherbrooke, Québec, Canada
استادان بیشتر در Université de Sherbrooke
محاسبات درون‌حافظه‌ایهوش مصنوعی لبهFeFETتسریع سخت‌افزاریشبکه‌های عصبی کانولوشنطراحی مدار مجتمع
مهلت
۱۵ دسامبر ۲۰۲۶
۵۵ روز
بودجه
—
شروع
—
مکان
Sherbrooke, Québec
Canada

مرور کلی

دانشگاه شربروک از متقاضیان واجد شرایط برای یک موقعیت پژوهشی تحصیلات تکمیلی با تمرکز بر معماری‌های محاسبات درون‌حافظه‌ای مبتنی بر FeFET جهت پشتیبانی از هوش مصنوعی لبه با بهره‌وری انرژی دعوت به عمل می‌آورد. این پژوهشگر منتخب که در مؤسسه بین‌رشته‌ای نوآوری فناورانه (3IT) فعالیت می‌کند، روی طراحی، مدل‌سازی، شبیه‌سازی و اعتبارسنجی تجربی راهکارهای سخت‌افزاری کار خواهد کرد که بر محدودیت‌های سنتی گلوگاه حافظه غلبه می‌کنند. این پروژه شامل توسعه مدل‌های SPICE یا Verilog-A، طراحی سلول‌های حافظه و آرایه‌های MAC و آزمایش مدارهای مجتمع ساخته‌شده است. نامزد موفق برای ارزیابی عملکرد معماری همکاری نزدیکی با شرکای دانشگاهی و صنعتی خواهد داشت.

FeFETin-memory computingedge AIintegrated circuitshardware simulationneural network accelerationSPICEVerilog-A

نحوهٔ درخواست

آزمایشگاه
Interdisciplinary Institute for Technological Innovation (3IT)
Université de Sherbrooke
Canada
موقعیت کامل را ببین

برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.

بدون نیاز به کارت بانکی · ۱۰ امتیاز تطابق AI رایگان
آماده‌اید؟
۵۵ روز تا مهلت — به این موقعیت اقدام کن.