Neuromorphic Engineering ermöglicht im Vergleich zu elektronischer Hardware, basierend auf Standardkomponenten und Von-Neumann-Architektur, einen enormen Vorteil bezüglich der effizienten Berechnung von Künstlicher Intelligenz (KI)-Modellen und -Algorithmen. Das NeuSPIN-Projekt verfolgt das ambitionierte Ziel, KI-Algorithmen, welche traditionell in der Cloud ausgeführt werden, auf komplexe on-chip biologisch-inspirierte KI-Hardware zu transferieren, um hohe Berechnungsgenauigkeit und extrem geringen Leistungsverbrauch zu erzielen. Das Ziel dieses Projekts ist die Entwicklung und der Einsatz von interdisziplinärer Hard- und Software um energiesparende KI-Lösungen für zukünftige Anwendungen zu ermöglichen. Es besteht aus einer Kombination von neuartigen Varianten von Non-Volatile-Memory-Spintronic (NVM)-Technologien, mit spezifisch entwickelten Neuronen- und Synapsen-Designs zur Implementierung der (Compute-In-Memory) CIM-Neuronale-Netze Architektur. Obwohl NVM-Technologien wegen ihrer effizienten Implementierung vielversprechende Ansätze für CIM-basierte Rechensysteme sind, ist die Umsetzung von modernen adaptierten KI-Algorithmen eine technische Herausforderung, da sie mit nicht-idealen Eigenschaften behaftet sind, im Speziellen Variabilität und Stochastizität. Neu entwickelte Trainingsansätze, wie zum Beispiel Bayesian-basierte Modelle des Maschinellen Lernens, welche mit Hinblick auf durch die Technologie verursachten Defekte und neuromorphe Schaltungsentwürfe adaptiert werden, werden in NVM-basierter Hardware entwickelt und eingesetzt. Wir werden ein komplettes Simulationsmodell für eine spintronic-basierte neuromorphe Inferenzmaschine entwickeln, das an einem realen Anwendungsfall validiert werden soll.