Brain-inspired MatMul-free Deep Learning for Sustainable AI on Neuromorphic Processor

Deep learning is afhankelijk van energie-intensieve matrixvermenigvuldigingsberekeningen (MatMul) op GPU's, die onhoudbaar worden naarmate neurale netwerken groter worden. Geïnspireerd door de efficiënte, asynchrone en lokale berekeningen van het brein, heeft dit project tot doel een nieuw rekenparadigma voor deep learning te ontwikkelen dat het energieverbruik en de latentie vermindert, en afstand neemt van traditionele GPU-gebaseerde MatMul. In samenwerking met onderzoekers van de TU Dresden willen we dit breininspirerende rekenparadigma implementeren op neuromorfe processors en integreren in algemene tools. Deze aanpak heeft het potentieel om AI duurzamer en toegankelijker te maken voor grootschalige toepassingen, waarbij energiekosten en milieueffecten worden verminderd.