Kursplan för

Minnesteknologi för maskininlärning
Memory Technology for Machine Learning

EITP25F, 7.5 högskolepoäng

Gäller från och med: Vårterminen 2020
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2020-10-01

Allmänna uppgifter

Avdelning: Inst för elektro- och informationsteknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITP25
Undervisningsspråk: Engelska

Syfte

Målet med denna kurs är att ge djup förståelse för fysiken bakom de vanligaste minneskomponentteknologierna med stort fokus på icke-volatila minnen. Vidare behandlas hur dessa kan integreras för att skapa neuromorf hårdvara för tillämpning inom maskininlärning och artificiell intelligens. Slutligen ger kursen även en introduktion till de arkitekturer och algoritmer som används inom maskininlärning för att ge en grundläggande förståelse för vilka behov minneskomponenter och dess kopplingar behöver uppfylla för denna tillämpning.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

Färdighet och förmåga

För godkänd kurs skall doktoranden

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

Kursinnehåll

Minneskomponenter i datorn: SRAM, DRAM, NAND Icke-volatila minneskomponenter: Memristorn, resistiva minnen (RRAM), fas-ändringsminnen (PCM), ferroelektriska minnen (FeRAM), magnetiska minnen (MRAM). Integration av minneskomponenter: 3D stackning för skalbarhet, crossbar-arkitekturen. Neurala nätverksarkitekturer: framåtmatade neurala nätverk, rekursiva neurala nätverk, spikande neurala nätverk. Maskininlärningsalgoritmer: Bakåtpropagering, gradiell nedstigning, Hebbsk och icke-Hebbsk inlärning, unsupervised learning through STDP.

Kurslitteratur

Chen, A., Hutchby, J., Zhirnov, V. & Bourianoff, G.: Emerging Nanoelectronic Devices. John Wiley & Sons, 2015. ISBN 9781118447741.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, seminarier, laborationer, projekt

Kursens examination

Examinationsformer: Skriftlig tentamen, skriftlig rapport
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Grundläggande kunskaper om komponentfysik

Övrig information

Kursansvarig: Mattias Borg, mattias.borg@eit.lth.se

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:


Fullständig visning