Dans ce projet, nous portons une attention particulière aux composants qui permettent d'envisager un apprentissage comme les CNTFETs à commande optique (OG-CNTFET). De plus, nous étudions les assemblées aléatoires ou auto-organisées telles que les réseaux de nanotubes multiconnectés (MCCNN) afin de déterminer leur mode de fonctionnement et identifier les fonctions, éventuellement complexes, susceptibles d'être réalisées par de tels dispositifs. Nous étudions les possibilités de programmation d'un tel réseau en explorant notamment la possibilité d'une sensibilisation localisée par la lumière afin de définir une architecture. Afin de pouvoir concevoir et simuler des architectures de circuits adaptés à l'apprentissage neuro-inspiré, nous adaptons des modèles compacts physiques de nanocomposants. Le caractère physique des modèles de simulation de nanocomposants permet d'évaluer la sensibilité des caractéristiques électriques des circuits aux variations des paramètres physiques. De plus, nous allons ainsi vérifier par simulation l'efficacité de l'apprentissage pour la compensation des dispersions de caractéristiques physiques des composants.
www.anr-panini.u-psud.fr/ 
LABORATOIRE
RECHERCHE
ENSEIGNEMENT
PROJETS
IMS EMPLOIS
L'ACTUALITE
Projets IMS