TetraNET plėtoja neuromorfinius skaičiavimus kurdamas mastelio didinimui tinkamus ir aplinkai draugiškus ZnO tetrapodų tinklus (TRL 3), leidžiančius energiją taupantį išankstinį duomenų apdorojimą jutiklyje (in-sensor preprocessing). Kadangi tradiciniai skaičiavimai susiduria su energijos sąnaudų, mastelio ir prisitaikomumo ribotumais, neuromorfinė aparatinė įranga siūlo perspektyvią mažos galios alternatyvą. Tačiau dabartinės sistemos dažnai remiasi standžiais, daug išteklių reikalaujančiais gamybos metodais, ribojančiais lankstumą ir tvarumą. TetraNET sprendžia šią spragą, pristatydamas novatoriškas medžiagas ir architektūras, sukurtas derinant našumą ir aplinkosauginę atsakomybę.
Neapibrėžtos neuromorfinės tinklų struktūros pasižymi dideliu potencialu dėl tarpusavyje susieto ir adaptyvaus elgesio, panašaus į biologines neuronų sistemas. Nors nanodalelių ir nanovielų tinklai jau pademonstravo funkcinį perjungimą ir paskirstytą plastiškumą, kiekviena architektūra turi trūkumų – nanodalelės neturi pilnaverčio 3D sujungtumo, o nanovieloms reikalinga itin tiksliai kontroliuojama struktūra. ZnO tetrapodų tinklai (ZnO-TN) siūlo patrauklų tarpinį sprendimą, natūraliai formuodami trimates perkolacines struktūras su tankiais sąveikos taškais. Jų puslaidininkinės savybės bei jautrumas šviesai ir elektriniams laukams daro juos ypač tinkamus hibridinėms jutiklių skaičiavimų sistemoms. Nepaisant šio potencialo, ZnO-TN tinklai neuromorfiniuose įrenginiuose vis dar yra menkai ištirti.
TetraNET pademonstruos koncepciją – ZnO-TN pagrindu veikiantį jutiklinį išankstinio apdorojimo modulį, gebantį realiu laiku išskirti požymius ir adaptyviai apdoroti signalus, užtikrinant mažą delsą ir ≤50 µJ energijos sąnaudas vienam atnaujinimui (TRL 3). Ši technologija bus vertinama anomalijų aptikimo ir kraštinių (edge) skaičiavimų užduotyse, nustatant tolimesnę pažangos link aukštesnių TRL lygių kryptį. Projektas remiasi žaliosios elektronikos principais — integruoja tvarius gamybos metodus ir atlieka pilną gyvavimo ciklo vertinimą siekiant sumažinti poveikį aplinkai. Per tarpdisciplininį bendradarbiavimą, mokymus ir stažuotes TetraNET prisideda prie aukštos kvalifikacijos tyrėjų bendruomenės kūrimo ir stiprina Europos pozicijas tvarių neuromorfinių skaičiavimų srityje.
