Inhalt anspringen

Learning Chips Lab

Offene Hardware-Plattform für Künstliche Intelligenz und Maschinelles Lernen

Schnelle Fakten

Über das Projekt

LearningChipsLab - Offene Hardware-Plattform für Künstliche Intelligenz und Maschinelles Lernen

Ressourceneffiziente Prozessor-ASICs für Anwendungen im Bereich der Künstlichen Intelligenz (KI) und insbesondere des Teilbereiches Maschinelles Lernen (ML) gewinnen in den verschiedensten Einsatzszenarien zunehmend an Bedeutung, z.B. in den Bereichen Condition Monitoring, Predictive Maintenance, Signal- und Sensordatenanalyse mit großen Datenmengen, Bild- und Messdatenverarbeitung. Viele dieser Anwendungen benötigen kostengünstige, energieeffiziente und kompakte Eingebettete Systeme, die sowohl mit Cloud-/IoT-Unterstützung als auch autark ihre Aufgaben übernehmen können. Zunehmende Bedeutung in diesem Bereich gewinnt das Edge-Computing, bei dem die eigentliche Signalanalyse sehr nah am zu überwachendem System durchgeführt wird.

Das Ziel des Learning Chip Lab ist die Entwicklung von Technologien, Methoden und Werkzeugen, mittels derer ressourceneffiziente Prozessor-Chips, sog. Applikations-Spezifische Integrierte Schaltkreise (eng. Application Specific Integrated Circuit, ASICs) entwickelt werden, die besonders für die Ausführung von ML- und KI-Verfahren geeignet sind. Die Ressourceneffizienz und der hohe Integrationsgrad der Prozessoren ermöglicht ihren Einsatz in Eingebetteten Systemen, d.h. in technischen Anwendungen mit hohen Anforderungen im Hinblick auf Energie-effizienz, Kosten, Robustheit oder Autonomie. Hierzu werden Methoden und Ansätze der Elektrotechnik, Informationstechnik und Informatik kombiniert. Insbesondere wird das Lab die folgenden Themenbereiche durch entsprechende Kompetenzen und Forschungsarbeiten adressieren:

  1. Effiziente Prozessor- und ASIC-Technologien, die ML/KI Berechnungen schnell und effizient durchführen, sowie deren Umsetzung in mikroelektronische Systems-on-Chip (SoC) in modernen, stromsparenden digitalen Halbleitertechnologien.

  2. Optimierte ML/KI Verfahren und Beschleunigerarchitekturen für deren Umsetzung in Embedded-Prozessoren sowie Integration in Cloud- und Edge-Computing-Systeme. Hierbei liegt der Fokus auf Zeitreihenanalysen, die in industrieller Anwendung eine große Bedeutung haben, z.B. im Bereich Smart Building, Smarte Energiesysteme.

  3. Open-Source Entwicklungswerkzeuge für den modellbasierten Entwurf der SW- und HW-Lösungen sowie die Integration in Werkzeugketten und Entwicklungsprozesse.


Entsprechende ASICs mit passender Entwicklungsmethodik sowie das Tooling sind bisher nicht hinreichend verfügbar und vor allem für kleine und mittlere Unternehmen (KMU) kaum zugänglich. Das Learning Chips Lab will daher die Technologien und Werkzeuge frei verfügbar machen, indem z.B. auf offene Architekturen (RISC V Prozessor) und Open Source Tools gesetzt wird und die Ergebnisse der Öffentlichkeit zur Verfügung gestellt werden. Der Aufbau des Learning Chips Lab erfolgt anhand eines Pilotprojekts einer konkreten Chipentwicklung.

Fördergeber


Förderkennzeichen

005-2105-0045


Kooperations-/Projektpartner

  • Fachbereich Informationstechnik (Prof. Dr. Wöhrle)
  • Fachbereich Elektrotechnik (Prof. Dr.-Ing. Karagounis)

Kontakt & Team

Leitung

Portrait von Prof. Dr. Hendrik Wöhrle __ Portrait of Prof. Dr. Hendrik Wöhrle
Prof. Hendrik Wöhrle, Dr.
Telefax
  • 0231 91122631
Sprechzeiten

Donnerstags, 13:00-15:00 Uhr.
Bitte buchen Sie im Ilias auf meiner persönlichen Seite einen Termin.

Team

Portrait von Denis Lebold__Portrait of Denis Lebold
Denis Lebold
Sprechzeiten

Mo-Fr: 9:00 - 16:00

Diese Seite verwendet Cookies, um die Funktionalität der Webseite zu gewährleisten und statistische Daten zu erheben. Sie können der statistischen Erhebung über die Datenschutzeinstellungen widersprechen (Opt-Out).

Einstellungen (Öffnet in einem neuen Tab)