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

Materiales para electrónica

+ Para saber más

Los dispositivos memristivos son relativamente nuevos y se basan en óxidos más que en semiconductores. Aunque algunos dispositivos memristor ya han encontrado su camino hacia la comercialización de productos, la falta de una teoría sólida y una comprensión básica de la física subyacente está impidiendo la producción en masa en muchos casos. No hay acuerdo sobre el sistema de materiales que presente las mejores propiedades para las diferentes aplicaciones. Se requiere investigación sobre materiales de óxido para el desarrollo del diseño de nuevos dispositivos con mejores propiedades y confiabilidad mejorada. Por ello, neuromimeTICs está involucrado en la investigación de nuevos materiales, óxidos complejos y binarios, para permitir dispositivos memristivos innovadores.


Dispositivos electrónicos

+ Para saber más

Los dispositivos electrónicos son la tecnología habilitante para el diseño e implementación de los circuitos neuromórficos que deberían conducir a la fabricación de sistemas de machine learning basados en hardware. neuromiméTICs está involucrado en la investigación avanzada sobre dispositivos memristor basados en óxidos binarios y complejos. El Instituto de Microelectrónica de Barcelona del Centro Nacional de Microelectrónica (IMB-CNM) y el Instituto de Ciencia de Materiales de Barcelona (ICMAB) proporcionan instalaciones de fabricación e integración y una infraestructura de caracterización física / eléctrica. Esto permite a neuromimeTICs desarrollar modelos físicos y compactos para estos dispositivos basados en datos reales. Los modelos compactos tipo SPICE que se incorporarán a los simuladores de circuitos neuromórficos y el diseño de dispositivos innovadores son los productos finales de nuestra investigación sobre dispositivos electrónicos.


Circuitos neuromórficos

+ Para saber más

Los memristores son resistencias con efectos de memoria no volátil. Estos dispositivos muestran un comportamiento similar al de las sinapsis biológicas y sus efectos. Los circuitos CMOS se pueden integrar y disparar neuronas electrónicas. Combinando estos dos elementos, neuronas electrónicas y sinapsis, es posible diseñar y fabricar circuitos neuromórficos que implementan redes neuronales artificiales de deep learning. Estos circuitos híbridos memristor / CMOS son la base de sistemas de control industrial (SCI) de deep learning que deberían poder implementar aplicaciones de inteligencia artificial espacialmente distribuidas, eficientes energéticamente, seguras y confiables en muchos campos que requieren el procesamiento local en tiempo real de datos y acción inmediata (e-Health, movilidad inteligente, etc.). La investigación de neuromimeTICs en este campo se basa en la simulación SPICE de circuitos neuromórficos, investigación de arquitectura de circuitos, caracterización de mecanismos de aprendizaje y algoritmos para sistemas supervisados y no supervisados.


 
308475.png

IA para automoción  

+ Para saber más

Pretende proponer soluciones basadas en la predicción en tiempo real de congestiones del tráfico y de posibles colisiones entre vehículos, utilizando técnicas de Deep Learning (DL). Esta línea de investigación también busca mejorar las técnicas de pre-procesado de DL mediante la utilización de información obtenida de sistemas de Internet de las cosas/Internet de los vehículos (IoT/IoV por sus siglas en inglés) de recolección de datos de movilidad y redes de sensores.


 
244275.png

IA para la salud

+ Para saber más

La finalidad de esta línea de investigación es doble. Por una parte, asistir a profesionales sanitarios con herramientas de análisis predictivo de datos, teniendo en cuenta datos de diversos dispositivos de monitorización y de la historia clínica electrónica (HCE). Y, por otro lado, revelar patrones no evidentes en los datos, con el objetivo de obtener información sobre procesos biológicos y sus efectos causales.