A system that uses drones and fire could be more effective

Darwin award candidate

A special thank you to Mike Schwarz for your mentorship and support—this achievement is a testament to your guidance.

You can read the full paper here: lnkd.in/eY8-Rp_b

Here’s to more innovation and breakthroughs in the new year! 🚀

#NeuralNetworks #AI #RRAM #SolidStateElectronics

This work examines how variability and quantization impact neural network performance, with exciting implications for future AI hardware. Technologies like RRAM could further enhance these efforts, paving the way for faster and more energy-efficient systems.

Thank you very much!

www.instagram.com/p/DJEDBRipLp...

Dejen su like si les fue útil y ayúdenme a ganar el concurso de hilos de la universidad (hay un poco de dinero en juego y me ayuda a no morir de hambre) 🙃🍝 #phdlife

8/
La RRAM no es solo una nueva tecnología, es una nueva forma de pensar cómo construir IA.
Si logramos entender y dominar su variabilidad, podemos llevar la inteligencia artificial a dispositivos más rápidos, eficientes y accesibles.
El futuro se construye desde hoy. 💡🔬

7/
Hay mucho interés internacional en esta tecnología, especialmente en Alemania 🇩🇪.
Empresas e institutos ven en la RRAM una oportunidad para crear hardware más eficiente y sostenible.
Invertir en investigación hoy puede marcar la diferencia en el futuro de la inteligencia artificial. 🌍⚙️

7/
¿Qué podemos hacer?
Mi tesis busca simular estos comportamientos para ayudar a empresas e institutos de investigación a:
✅ Encontrar aplicaciones adecuadas
✅ Desarrollar estrategias
✅ Aprender a convivir con la variabilidad
Así logramos aprovechar todo el potencial de esta tecnología. 🚀

6/
Por ejemplo, si evaluás la precisión de una red neuronal implementada en ReRAM, los resultados no siempre son iguales:
🧪 A veces da 90%
🧪 A veces baja a 87%
Esa diferencia se debe a la variabilidad inherente del hardware. Y ahí entra mi investigación. 👇

5/
Suena maravilloso, pero hay un problema...
Aunque la #ReRAM tiene muchas ventajas, es un circuito analógico, lo que la hace sensible a variaciones.
Eso la vuelve menos robusta frente a errores ⚠️.

4/
Así, una red neuronal se puede implementar directamente en el hardware.
A diferencia de los servidores actuales, la ReRAM usa menos componentes, consume menos energía ⚡ y funciona más rápido 🚀.
Aquí dos videos por si quieres saber más:
📽️ youtu.be/6WiLB59Hm0E
📽️ youtu.be/SIsHl5KJDh4

3/
¿Cómo puede ayudar la #ReRAM a reducir el consumo energético de las redes neuronales?
ReRAM es una memoria con resistencias variables llamadas memristores, capaces de imitar el comportamiento de una sinapsis biológica. 🧠

2/ Pero antes… si la #IA es tan poderosa, ¿por qué necesitamos un nuevo componente como la #ReRAM?
Aunque la IA ha impulsado avances increíbles, también consume muchísima energía.
¿Cuánta? Se lo pregunté a un experto en IA… ChatGPT.
(Spoiler: es muchísima)