شبکه‌های عصبی مایع مبتنی بر نوسان‌سازهای قفل‌شده تزریقی برای هوش لبه‌ای مولد

این موقعیت دکتری بر ترجمه الگوریتم‌های شبکه‌های عصبی مایع (LNN) توسعه‌یافته در MIT به پیاده‌سازی‌های فیزیکی در سطح مدار برای هوش مصنوعی لبه‌ای مولد تمرکز دارد. این پروژه که در آزمایشگاه مدارهای مجتمع برای مدیریت انرژی، حسگرها و عملگرها در دانشگاه گرنوبل آلپ میزبانی می‌شود، با هدف ساخت سلول‌های حالت زمانی فوق‌العاده کم‌مصرف با استفاده از نوسان‌سازهایی که پویایی مایع را تقلید می‌کنند، انجام می‌شود. نامزد موفق برای غلبه بر چالش‌های شدید تراکم پارامتر و مقیاس‌پذیری معماری‌های عصبی سنتی، یک مدل نمایشی سیلیکونی را طراحی، متصل و اعتبارسنجی خواهد کرد. از متقاضیان انتظار می‌رود برای پیشگام شدن در نسل جدیدی از سیستم‌های هوش مصنوعی با کارایی سخت‌افزاری، به طراحی مدار، شبیه‌سازی و اعتبارسنجی تجربی بپردازند.