Hardware neuromórfico: una perspectiva del sistema

Resumen

Explore los principios de la computación neuromórfica, sistemas como SpiNNaker2 y los futuros desarrollos en hardware de AI energéticamente eficiente con Johannes Partzsch de la TU Dresden.

Programa de estudio

• Introducción a la Computación Neuromórfica
Visión General de la Computación Neuromórfica
Desarrollo Histórico e Inspiración de la Biología
Diferencias Clave con las Arquitecturas de Computación Convencionales
• Principios Fundamentales de los Sistemas Neuromórficos
Redes Neuronales de Picos (SNNs)
Neuronas y Sinapsis: Inspiración Biológica
Procesamiento Basado en Eventos
• Arquitecturas de Hardware Neuromórfico
Componentes Clave de Hardware y sus Funciones
Comparación de Hardware Neuromórfico y Tradicional
Desafíos en el Diseño de Sistemas Neuromórficos
• Estudio de Caso Detallado: SpiNNaker2
Arquitectura y Principios de Diseño
Escalabilidad y Diseño Modular
Programación y Ecosistema de Software
• Eficiencia Energética en Hardware de IA
Importancia de la Eficiencia Energética en la IA
Técnicas para Reducir el Consumo de Energía en Sistemas Neuromórficos
Comparación con Hardware de IA Convencional
• Aplicaciones de la Computación Neuromórfica
Casos de Uso en el Mundo Real
Ventajas y Limitaciones
Potencial Futuro y Tendencias Emergentes
• Desarrollos Futuros en Sistemas Neuromórficos
Tendencias en Tecnología y Fabricación
Innovaciones Prospectivas y Direcciones de Investigación
Integración con Otros Paradigmas de Computación (e.g., Computación Cuántica)
• Resumen del Curso e Implicaciones para el Hardware de IA
Resumen de Conceptos Clave
Discusión: Impacto del Hardware Neuromórfico en el Desarrollo de la IA
Consideraciones Éticas y Sociales
• Proyecto/Examen Final
Diseño y Evaluación de un Sistema Neuromórfico Sencillo
Análisis de Compromisos de Eficiencia Energética en Hardware Neuromórfico vs. Tradicional de IA

Asignaturas

Ciencias de la Computación