Calcul neuromorphique du point de vue de l'informatique - Algorithmes et applications

Aperçu

Programme

• Introduction à l'informatique neuromorphique
Définition et aperçu
Contexte historique et évolution
Importance dans les paradigmes informatiques modernes
• Fondamentaux des réseaux neuronaux à impulsions (SNNs)
Inspiration biologique
Modèles de neurones : LIF, Izhikevich, et autres
Codage et décodage de l'information
• Fondations algorithmiques des systèmes neuromorphiques
Algorithmes d'apprentissage : STDP, apprentissage par renforcement
Architectures et topologies de réseaux
Défis d'implémentation et stratégies d'optimisation
• Architectures matérielles neuromorphiques
Aperçu du matériel existant : IBM TrueNorth, Intel Loihi
Puces neuromorphiques sur mesure : caractéristiques et capacités
Comparaisons avec les architectures informatiques traditionnelles
• Applications dans l'analyse de données scientifiques
Reconnaissance et classification de motifs
Traitement des données en temps réel
Études de cas : astronomie, neurosciences et modélisation climatique
• Applications dans les systèmes autonomes
Traitement en temps réel des capteurs
Prise de décision dans les véhicules autonomes
Défis d'intégration dans les systèmes complexes
• Orientations futures et frontières de la recherche
Tendances émergentes dans l'informatique neuromorphique
Opportunités dans l'IA et l'apprentissage automatique
Questions de recherche ouvertes et lacunes technologiques
• Résumé du cours et projet
Récapitulation des concepts clés
Présentation des projets des étudiants
Voies d'apprentissage futures et ressources

---

Matières

Computer Science