Relatore
Descrizione
Le reti neurali e l'intelligenza artificiale (IA) assumono un ruolo centrale nella ricerca di fisica fondamentale, trovando applicazione in diversi ambiti, dall'analisi dei dati ai sistemi di trigger di alto livello. Parallelamente, risulta cruciale lo sviluppo di tecnologie in grado di massimizzare le prestazioni degli algoritmi di IA e adattarsi alle loro esigenze, con particolare riferimento all'ottimizzazione dei processi di acquisizione dati. In questo contesto, i memristori emergono come una promettente tecnologia per lo sviluppo di architetture neuromorfe, consentendo di eseguire efficientemente le moltiplicazioni matriciali, operazioni fondamentali per il funzionamento delle reti neurali. Questa proprietà permette di migliorare significativamente la velocità di calcolo e di ottimizzare il consumo energetico, rendendo i memristori una soluzione particolarmente interessante per applicazioni di IA ad alte prestazioni. Il presente studio esplora l'integrazione delle reti neurali con FPGA (Field-Programmable Gate Array), affidando però il calcolo computazionale alla matrice di memristori. Le FPGA, grazie alla loro flessibilità e capacità di parallelizzazione, rappresentano un'interfaccia ideale tra la matrice neuromorfa e i sistemi di acquisizione dati, soprattutto in contesti che richiedono bassa latenza e alte prestazioni. La presentazione si focalizza su una breve introduzione alla tecnologia dei memristori e sulla caratterizzazione di questi dispositivi, illustrando lo stato attuale del progetto e le potenzialità dell'approccio proposto nell'ambito dell'elaborazione dati, con un'applicazione nel contesto dell’upgrade del trigger di muoni a Livello zero dell'esperimento ATLAS per HL-LHC.
