Gäller för: 2024/25
Fakultet: Lunds tekniska högskola
Beslutad av: Programledning C/D
Beslutsdatum: 2024-04-16
Ikraftträdande: 2024-05-08
Huvudområde: Nanovetenskap
Fördjupning: Avancerad nivå, kurs/er som inte kan klassificeras
Valfri för: E4-is, F4, F4-fel, MNAV1, MSOC2, N4-hn
Undervisningsspråk: Kursen ges på engelska
Målet med denna kurs är att ge djup förståelse för fysiken bakom de vanligaste minneskomponentteknologierna med stort fokus på icke-volatila minnen. Vidare behandlas hur dessa kan integreras för att skapa neuromorf hårdvara för tillämpning inom maskininlärning och artificiell intelligens. Slutligen ger kursen även en introduktion till de arkitekturer och algoritmer som används inom maskininlärning för att ge en grundläggande förståelse för vilka behov minneskomponenter och dess kopplingar behöver uppfylla för denna tillämpning.
Kunskap och förståelse
För godkänd kurs skall studenten
Färdighet och förmåga
För godkänd kurs skall studenten
Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten
Minneskomponenter i datorn: SRAM, DRAM, NAND
Icke-volatila minneskomponenter: Memristorn, resistiva minnen (RRAM), fas-ändringsminnen (PCM), ferroelektriska minnen (FeRAM), magnetiska minnen (MRAM).
Integration av minneskomponenter: 3D stackning för skalbarhet, crossbar-arkitekturen.
Neurala nätverksarkitekturer: Fullt kopplade neurala nätverk, konvolutionella nätverk, rekursiva nätverk, spikande nätverk.
Maskininlärningsmetoder: Bakåtpropagering, gradiell nedstigning, STDP.
Betygsskala: TH - (U, 3, 4, 5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Skriftlig examen, projektarbete, laborationer med rapport.
Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.
Moduler
Kod: 0119. Benämning: Skriftlig tentamen.
Antal högskolepoäng: 4.0. Betygsskala: TH - (U, 3, 4, 5).
Prestationsbedömning: Prov
Modulen omfattar: Skriftlig examen vars omfattning ska täcka alla kursens ämnen.
Kod: 0219. Benämning: Laboration.
Antal högskolepoäng: 1.0. Betygsskala: UG - (U, G).
Prestationsbedömning: Godkänt moment vid närvaro vid laborationen samt godkänd labbrapport.
Modulen omfattar: Praktisk laboration med efterföljande labbrapport.
Kod: 0319. Benämning: Projektuppgift.
Antal högskolepoäng: 2.5. Betygsskala: UG - (U, G).
Prestationsbedömning: Förståelsenivån i den skriftliga rapporten, samt kontroll av programkod avgör huruvida godkänt resultat har erhållits.
Modulen omfattar: Projektet består i att designa samt träna upp ett neuralt nätverk för att kunna känna igen över 90% av bilderna från en fördefinierad databas. Projektet ska utföras enskilt eller i par.
Projektet ska redovisas med en skriftlig rapport och fungerande MATLAB-kod.
Förutsatta förkunskaper:
Grundläggande kunskaper i fasta tillståndets fysik.
Begränsat antal platser: Nej
Kursansvarig: Mattias Borg,
mattias.borg@eit.lth.se
Hemsida: https://www.eit.lth.se/kurs/eitp25