Forschung
Co-Processing in der Cloud
Aufgrund der Verlangsamung von Moores Gesetz sind domänenspezifische Hardware-Beschleuniger der einzige Weg, um den Energieverbrauch gewünschter Operationen zu verringern und im Leistungsbudget zu bleiben. Hier wurden AWS-Cloud-FPGAs eingesetzt, um Anwendungen im Bereich des Deep Learning und der Optimierung zu beschleunigen, indem Algorithmen auf Hardware-Designs mit hoher Energieeffizienz abgebildet wurden.
Hardware für Künstliche Intelligenz (KI)
Wir haben mit Simulationen und einem Experiment gezeigt, wie eine probabilistische Schaltung verschiedene Funktionalitäten erlernen kann. Nicht-ideale Eigenschaften in stochastischen magnetischen Tunnelübergängen können durch hardwarebewusstes In-situ-Lernen ausgeglichen werden — ein Ansatz, der es ermöglichen sollte, p-Computer auf Gb-Skalen zu skalieren.
Zugehöriger Vortrag @ Physical Review Journal Club
Probabilistisches Rechnen
Es sind neue, über Moores Gesetz hinausgehende Ansätze erforderlich, um die Rechenleistung zu erhöhen. Das probabilistische Rechnen auf Basis von Spintronik-Hardware ermöglicht es, Unsicherheiten in Daten effizient zu verarbeiten oder Zufälligkeit zur Interpretation, Ableitung und schnelleren Entscheidungsfindung zu nutzen.
Thermische Fluktuationen in Nanomagneten mit niedriger Barrierenhöhe
Wir haben prognostiziert, dass richtig konzipierte Nanomagnete bei endlicher Temperatur mit Geschwindigkeiten unterhalb einer Nanosekunde fluktuieren können. Die schnellen Fluktuationen können für probabilistisches Rechnen genutzt werden. Die Prognose wurde später von zwei unabhängigen Gruppen bei IBM und der Tohoku University experimentell bestätigt.
Code auf GitHub
Erforschung von memristiven Nanostrukturen
Memristive Bauelemente spielen eine wichtige Rolle in Bereichen wie In-Memory Computing und neuromorphen Systemen. Wir haben Kinetische-Monte-Carlo-Simulationen durchgeführt, um die Physik der Filamentbildung in HfO₂-Memristoren zu verstehen und experimentelle Beobachtungen zu erklären.
Wärmetransport: Von ballistisch zu diffusiv
Wärmetransport im Nanometerbereich ist ein wichtiges Problem für das Verständnis der Wärmeableitung in elektronischen Nanogeräten. Mithilfe der McKelvey-Shockley-Gleichungen haben wir einen Ausdruck für den Wärmestrom abgeleitet, der vom ballistischen bis zum diffusiven Regime anwendbar ist — und gezeigt, dass das Fouriersche Gesetz mit geeigneten Randbedingungen auch für den linearen Transport zwischen diesen Regimes genutzt werden kann.