HRPM-plattform for analyse av dynamisk kompleksitet i rekurrente AI-systemer

Offentlig prosjektsammendrag

Spiking-baserte nevrale nettverk (SNN) får økende oppmerksomhet som grunnlag for energieffektiv og dynamisk AI, men det finnes få verktøy for systematisk analyse av stabilitet og kompleksitet i slike systemer. Dagens rammeverk er primært utviklet for nevrovitenskap, mens kommersielle AI-verktøy ikke dekker intern dynamikk i spiking-arkitekturer. Prosjektet utvikler en hierarkisk og rekurrent spiking-basert simuleringsplattform som bygger bro mellom forskningsverktøy og praktisk analysemetodikk. Utfordringen er å kombinere hierarkisk struktur, rekurrent dynamikk og millisekund-presis tidsmodellering i en stabil og analyserbar modell. Det er betydelig teknologisk usikkerhet knyttet til arkitekturvalg og bruk av kompleksitetsmål på spiking-data. Prosjektet gjennomføres gjennom arkitekturdesign, implementering, systematiske simuleringer og analyse. Resultatet blir en dokumentert plattform som kan danne grunnlag for kommersielle tjenester for virksomheter som benytter avanserte AI-systemer.