2442752.png
035-circuit2.png
002-artificial-intelligence-22.png

Materials per a electrònica

+ Per saber-ne més

Els dispositius memristius són relativament nous i es basen en òxids més que en semiconductors. Encara que alguns dispositius memristor ja han trobat el seu camí cap a la comercialització de productes, la manca d'una teoria sòlida i una comprensió bàsica de la física subjacent està impedint la producció en massa en molts casos. No hi ha acord sobre el sistema de materials que presenti les millors propietats per a les diferents aplicacions. Es requereix recerca sobre materials d'òxid per al desenvolupament del disseny de nous dispositius amb millors propietats i fiabilitat millorada. Per això, neuromimeTICs està involucrat en la recerca de nous materials, òxids complexos i binaris, a fi de permetre dispositius memristius innovadors.


Dispositius electrònics

+ Per saber-ne més

Els dispositius electrònics són la tecnologia habilitant per al disseny i implementació dels circuits neuromòrfics que haurien de conduir a la fabricació de sistemes de machine learning basats en hardware. neuromiméTICs està involucrat en la investigació avançada sobre dispositius memristor basats en òxids binaris i complexos. L'Institut de Microelectrònica de Barcelona del Centre Nacional de Microelectrònica (IMB-CNM) i l'Institut de Ciència de Materials de Barcelona (ICMAB) proporcionen instal•lacions de fabricació i integració i una infraestructura de caracterització física / elèctrica. Això permet a neuromimeTICs desenvolupar models físics i compactes per a aquests dispositius basats en dades reals. Els models compactes tipus SPICE que s'incorporaran als simuladors de circuits neuromòrfics i el disseny de dispositius innovadors són els productes finals de la nostra recerca sobre dispositius electrònics.


Circuits neuromòrfics

+ Per saber-ne més

Els memristors són resistències amb efectes de memòria no volàtil. Aquests dispositius mostren un comportament similar al de les sinapsis biològiques i a els seus efectes. Els circuits CMOS és poden integrar i disparar neurones electròniques. Combinant aquests dos elements, neurones electròniques i sinapsis, és possible dissenyar i fabricar circuits neuromòrfics que implementin xarxes neuronals artificials de deep learning. Aquests circuits híbrids memristor / CMOS són la base de sistemes de control industrial (SCI) de deep learning que haurien de poder implementar aplicacions d'Intel•ligència artificial espacialment distribuides, eficients energèticament, segures i fiables en molts camps que requereixen el processament local en temps real de dades i acció immediata (e-Health, mobilitat intel•ligent, etc.). La recerca de neuromimeTICs en aquest camp es basa en la simulació SPICE de circuits neuromòrfics, recerca d'arquitectura de circuits, caracterització de mecanismes d'aprenentatge i algoritmes per a sistemes supervisats i no supervisats.


 
308475.png

IA per a automoció

+ Per saber-ne més

Pretén proposar solucions basades en la predicció en temps real de congestions del trànsit i de possibles col•lisions entre vehicles, utilitzant tècniques de Deep Learning (DL). Aquesta línia de recerca també busca millorar les tècniques de pre-processat de DL mitjançant la utilització d'informació obtinguda de sistemes d'Internet de les coses / Internet dels vehicles (IOT / IOV per les seves sigles en anglès) de recollida de dades de mobilitat i xarxes de sensors.


 
244275.png

IA per a la salut

+ Per saber-ne més

La finalitat d'aquesta línia de recerca és doble. D'una banda, assistir als professionals sanitaris amb eines d'anàlisi predictiu de dades, tenint en compte dades de diversos dispositius de monitoratge i de la història clínica electrònica (HCE). I, d'altra banda, revelar patrons no evidents en les dades, amb l'objectiu d'obtenir informació sobre processos biològics i els seus efectes causals.