Detail předmětu

Evoluční a neurální hardware

FIT-EUDAk. rok: 2020/2021

Předmět představuje vybrané výpočetní modely a výpočetní systémy, které vznikají na průniku hardware a umělé inteligence jako reakce na neschopnost konvenčních počítačů efektivně řešit (jak z pohledu výkonnosti, tak i energetické náročnosti) některé důležité obtížné úlohy. Budou shrnuty relevantní teoretické modely, obvodové techniky a metody výpočetní inteligence inspirované v biologii. Zejména budou diskutovány tyto oblasti: evoluční návrh, vyvíjející se obvody, neuroevoluce, neurální hardware a aproximativní počítání. Předmět je doplněn ukázkou typických aplikací.


Okruhy otázek k SDZ:

  1. Inspirace v biologii (adaptace, samoorganizace, entropie, evoluce, učení).
  2. Specializovaný hardware a rekonfigurovatelná zařízení pro umělou inteligenci.
  3. Kartézské genetické programování.
  4. Problém škálovatelnosti evolučního návrhu obvodů a jeho řešení.
  5. Evoluční návrh analogových obvodů.
  6. Celulární automaty v 1D a 2D, Wolframovy třídy, sebereplikace.
  7. Aproximativní počítání (princip, chybové metriky, metody aproximace obvodů).
  8. Hluboké neuronové sítě.
  9. Obvodová realizace neuronových sítí.
  10. Neuroevoluce.

Jazyk výuky

čeština

Počet kreditů

0

Výsledky učení předmětu

Studenti budou schopni využít evoluční algoritmy pro návrh elektronických obvodů, budou schopni modelovat, simulovat a realizovat biologií inspirované výpočetní systémy, zejména evoluční a neurální hardware.
Pochopení vztahu mezi počítači (počítáním) a vybranými přírodními procesy.

Způsob a kritéria hodnocení

Odevzdání projektu v zadaném termínu, zkouška.

Učební cíle

Porozumět principům vybraných biologií inspirovaných výpočetních technik a jejich využití zejména při návrhu, hardwarové implementaci a provozu výpočetních systémů.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

V průběhu studia je třeba odevzdat vypracovaný projekt a složit zkoušku. Výuka probíhá formou přednášek nebo řízeného samostudia; zmeškanou výuku je třeba nahradit samostudiem.

Doporučená literatura

Floreano, D., Mattiussi, C.: Bioinspired Artificial Intelligence: Theories, Methods, and Technologies. The MIT Press, Cambridge 2008, ISBN 978-0-262-06271-8
Trefzer M., Tyrrell A.M.: Evolvable Hardware - From Practice to Application. Berlin: Springer Verlag, 2015, ISBN 978-3-662-44615-7
Reda S., Shafique M.: Approximate Circuits - Methodologies and CAD. Springer Nature, 2019, ISBN 978-3-319-99322-5

Zařazení předmětu ve studijních plánech

  • Program VTI-DR-4 doktorský

    obor DVI4 , libovolný ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , libovolný ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , libovolný ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , libovolný ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

  1. Úvod a motivace.
  2. Výpočetní modely inspirované v biologii (zdroje inspirace, principy adaptace a samoorganizace).
  3. Aproximativní počítání a energetická účinnost.
  4. Hardware a rekonfigurovatelná zařízení pro umělou inteligenci.
  5. Evoluční návrh.
  6. Kartézské genetické programování.
  7. Evoluční návrh číslicových a analogových obvodů.
  8. Problém škálovatelnosti evolučního návrhu obvodů a jeho řešení.
  9. Výpočetní development, celulární automaty, L-systémy.
  10. Hluboké neuronové sítě a jejich hardwarová implementace.
  11. Aproximativní počítání v neuronových sítích.
  12. Neuroevoluce.
  13. Moderní HW/SW platformy a aplikace.

Konzultace v kombinovaném studiu

26 hod., nepovinná

Vyučující / Lektor