Computação neuromórfica em nanoescala: desenvolvimento de arquitetura NoC baseada em tecnologia MOS para redes neurais

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.

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.