dc.contributor |
Universidade Federal de Santa Catarina. |
pt_BR |
dc.contributor.advisor |
Guimarães, Janaina Gonçalves |
|
dc.contributor.author |
França, Luiz Augusto Scheuermann |
|
dc.date.accessioned |
2023-07-13T14:35:26Z |
|
dc.date.available |
2023-07-13T14:35:26Z |
|
dc.date.issued |
2023-07-04 |
|
dc.identifier.uri |
https://repositorio.ufsc.br/handle/123456789/248787 |
|
dc.description |
TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação. |
pt_BR |
dc.description.abstract |
A aproximação aos limites físicos e tecnológicos resultante do processo de ultra miniaturização de transistores estabelece novos paradigmas no desenvolvimento de tecnologias
de próxima geração. A engenharia neuromórfica busca implementar sistemas que aproveitem a natureza paralela e distribuída do cérebro, oferecendo soluções com poder de
processamento superior aos sistemas computacionais tradicionais. A abordagem da computação neuromórfica integrada a redes-em-chip (NoCs) em tecnologia nanoeletrônica,
representa novos passos na evolução tecnológica, superando os limites da Lei de Moore.
Dessa maneira, a presente investigação tem como objetivo a implementação e avaliação
de uma arquitetura neuromórfica de rede-em-chip em topologia torus, sendo baseada em
tecnologia MOS de 16nm para redes neurais. O sistema foi implementado em software
computacional LTspice visando a classificação do conjunto de dados Iris de Fisher. A alta
taxa de acertos obtida na classificação do conjunto de dados afere a validade do uso de
transistores em nanoescala para aplicações utilizando-se de inteligência artificial. |
pt_BR |
dc.description.abstract |
The approximation to the physical and technological limits resulting from the process of
ultra miniaturization of transistors establishes new paradigms in the development of next
generation technologies. Neuromorphic engineering seeks to implement systems that take
advantage of the parallel and distributed nature of the brain, offering solutions with higher
processing power than traditional computational systems. The approach of neuromorphic
computing integrated to networks-on-chip (NoCs) in nanoelectronic technology, represents
new steps in technological evolution, overcoming the limits of Moore’s Law. Thus, the
present investigation aims to implement and evaluate a neuromorphic network-on-chip
architecture in torus topology, based on 16nm MOS technology for neural networks. The
system was implemented in computational software LTspice aiming at the classification
of Fisher’s Iris data set. The high rate of controlled hits in the classification of the data
set, validates the use of nanoscale transistors for applications using artificial intelligence. |
pt_BR |
dc.format.extent |
76 |
pt_BR |
dc.language.iso |
por |
pt_BR |
dc.publisher |
Blumenau, SC. |
pt_BR |
dc.rights |
Open Access. |
en |
dc.subject |
engenharia neuromórfica |
pt_BR |
dc.subject |
redes-em-chip |
pt_BR |
dc.subject |
nanoeletrônica |
pt_BR |
dc.subject |
Iris de Fisher |
pt_BR |
dc.subject |
inteligência artificial |
pt_BR |
dc.title |
Computação neuromórfica em nanoescala: desenvolvimento de arquitetura NoC baseada em tecnologia MOS para redes neurais |
pt_BR |
dc.type |
TCCgrad |
pt_BR |
dc.contributor.advisor-co |
Fé, Beatriz Oliveira Câmara da |
|