Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Reservoir computing neuromorfico altamente efficiente in hardware a base di reti di nanofili- Rif. 213/2024-AR |
|---|---|
| Titolo del progetto di ricerca in inglese | Extremely efficient NEUromorphic Reservoir cOmputing in Nanowire network hardwarE- Ref. 213/2024-AR |
| G.S.D. | 02/PHYS-03 - FISICA SPERIMENTALE DELLA MATERIA E APPLICAZIONI |
| S.S.D | PHYS-03/A - Fisica sperimentale della materia e applicazioni |
| Descrizione sintetica in italiano | In questo programma proponiamo un framework radicalmente nuovo per le applicazioni di Deep Learning nei substrati fisici, basato sui principi della co-progettazione hardware-software e dell'AI verde, rendendo l'efficienza un fattore chiave sia degli algoritmi che delle loro implementazioni hardware. Dal lato hardware, abbracciamo il paradigma del Calcolo Neuromorfico, progettando substrati a basso costo e versatili basati su Reti di Nanofili per l'implementazione fisica di paradigmi di calcolo non convenzionali. Dal lato software, ci concentriamo su un design informato dalla fisica delle reti neurali di Reservoir Computing, utilizzando caratterizzazioni di sistemi dinamici complessi per consentire lo sviluppo di algoritmi di Deep Learning estremamente efficienti. |
| Descrizione sintetica in inglese | In this program we propose a radically new framework for Deep Learning applications in physical substrates, that is based on the principles of hardware-software co-design and Green AI, making efficiency a key factor of both algorithms and their hardware implementations. On the hardware side, we embrace the Neuromorphic Computing paradigm, designing low-cost and versatile substrates based on Nanowire Networks for physical implementation of unconventional computing paradigms. On the software side, we focus on a physics-informed design of ReservoirComputing neural networks, using complex dynamical systems characterizations to enable the development of extremely efficient Deep Learning algorithms. |
| Data del bando | 06/09/2024 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
OTHER |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://careers.polito.it/ |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | Il bando e la modulistica per partecipare alla valutazione comparativa sono disponibili all'indirizzo: https://careers.polito.it/ |
| Criteri di selezione in inglese (breve descrizione) | To apply for research grants fill out the form available at the following address: https://careers.polito.it/ |
| Nome dell'Ente finanziatore | Politecnico di Torino |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | TORINO |
| Sito web | https://www.polito.it/ |
| peps.assegnidiricerca@polito.it | |
| Telefono | 0110906136 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 19/09/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://careers.polito.it/ |