Detail předmětu

Evoluční a neurální hardware

FIT-EUDAk. rok: 2021/2022

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

Garant předmětu

prof. Ing. Lukáš Sekanina, Ph.D.

Zajišťuje ústav

Ústav počítačových systémů (UPSY)

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
Reda S., Shafique M.: Approximate Circuits - Methodologies and CAD. Springer Nature, 2019, ISBN 978-3-319-99322-5
Sekanina L., Vašíček Z., Růžička R., Bidlo M., Jaroš J., Švenda P.: Evoluční hardware: Od automatického generování patentovatelných invencí k sebemodifikujícím se strojům. Academia Praha 2009, ISBN 978-80-200-1729-1
Trefzer M., Tyrrell A.M.: Evolvable Hardware - From Practice to Application. Berlin: Springer Verlag, 2015, ISBN 978-3-662-44615-7

Zařazení předmětu ve studijních plánech

  • Program DIT doktorský 0 ročník, letní semestr, povinně volitelný
  • Program DIT doktorský 0 ročník, letní semestr, povinně volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program DIT-EN doktorský 0 ročník, letní semestr, povinně volitelný
  • Program DIT-EN doktorský 0 ročník, letní semestr, povinně volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

  • Program VTI-DR-4 doktorský

    obor DVI4 , 0 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

prof. Ing. Lukáš Sekanina, Ph.D.

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

prof. Ing. Lukáš Sekanina, Ph.D.