GT Themes: 2023

Neuromorphic Computing on FPGA

🇬🇧 Students will design a neuromorphic computing architecture on an FPGA. Neuromorphic computing uses designs inspired by the biological brain [1]. An FPGA is a programmable integrated circuit on which we can implement a hardware architecture [2].

🇯🇵 --- Translate by DeepL

この研究テーマでは、学生がFPGA上でニューロモーフィック・コンピューティング・アーキテクチャを設計する。 ニューロモーフィック・コンピューティングとは、生物学的な脳にインスパイアされた新世代のニューラルネットワークである[1]。 FPGAはプログラマブルICであり、ハードウェア・アーキテクチャをプログラムすることができる[2]。

Requirements

• Knowledge about hardware design (FPGA or VLSI)
• Basic knowledge of Verilog HDL

What you will learn

• How to design hardware architecture (FPGA/VLSI) using commercial tools
• An understanding of machine learning and neural networks
• Practice using English in paper writing, discussions, and seminars

References

[1] https://en.wikipedia.org/wiki/Neuromorphic_engineering
[2] Example demo: https://u-aizu.ac.jp/~khanh/share/2023_Topic_FPGA.pdf

Software platform for Neuromorphic Computing

🇬🇧 Students will develop a platform for training prosthetic applications using spike-timing-dependent plasticity (STDP). This biologically inspired learning rule adjusts synaptic weights according to the relative timing of spikes. It is based on how neurons learn and is used in neuromorphic computing, which draws on designs from the biological brain [1].

🇯🇵 -- Translate by DeepL このプロジェクトでは、STDP学習メカニズムを使って義肢アプリケーションを訓練するためのプラットフォームを開発する。STDPは、ニューロンの実際の学習にインスパイアされた、ニューロモーフィック・コンピューティングの生物学的に実現可能な学習ルールである。 ニューロモーフィック・コンピューティングは、生物学的な脳にインスパイアされた新世代のニューラルネットワークである[1]。 スパイクタイミング依存可塑性（STDP）は、スパイクの相対的なタイミングに基づいて重み（シナプスの強さ）を調整する、生物学的に推定可能なプロセスである。

Requirements

• Experience with Python or another programming language.
• Interested in the biological learning process

What you will learn

• How to use Python frameworks for machine learning applications
• An understanding of machine learning and neural networks
• An understanding of prosthetic and biomedical applications
• Practice using English in paper writing, discussions, and seminars

References

[1] https://en.wikipedia.org/wiki/Neuromorphic_engineering
[2] Example demo: https://u-aizu.ac.jp/~khanh/share/2023_Topic_FPGA.pdf
[3] https://binds.cs.umass.edu/pdfs/stdp.pdf

Genetic algorithms for large-scale task mapping

🇬🇧 This project studies how to map work onto neuromorphic computing hardware. Neuromorphic computing systems usually consist of thousands or even millions of neurons. Neurons are grouped into cores connected by inter-chip or intra-chip networks. A genetic algorithm searches for approximate solutions using a process inspired by natural evolution. In this project, students develop a Python tool to map neurons to computing resources.

🇯🇵 -- Translated by DeepL この研究テーマは、ニューロモーフィック・コンピューティングのマッピングを対象としている。 ニューロモーフィック・コンピューティング・システムは通常、数千から数百万のニューロンで構成される。ニューロンは、チップ間またはチップ内ネットワークを介して接続されたコアにクラスタ化される。 遺伝的アルゴリズムは、自然進化にヒントを得た近似解を探索するメタヒューリスティクス・アルゴリズムである。このトピックでは、ニューロモーフィック・コンピューティングのための解を生成するPythonベースのマッピング・ツールを設計する。

Requirements

• Experience with Python or another programming language
• Interested in optimization

What you will learn

• How to use Python frameworks for machine learning applications
• How to formulate and solve optimization problems
• Practice using English in paper writing, discussions, and seminars

References

[1] https://dl.acm.org/doi/10.1145/3582016.3582038
[2] https://www.frontiersin.org/articles/10.3389/fnins.2021.690208/full
[3] Optimization Python lib: https://deap.readthedocs.io/en/master/