NEUROKIT2E

Dieses euro­päi­sche Projekt, beste­hend aus 25 Part­nern, verfolgt das Ziel, eine offene und souve­räne Platt­form für Embedded AI-Werk­zeuge bereit­zu­stellen, mit mehreren ambi­tio­nierten Zielen:

• Europa als Markt­führer posi­tio­nieren, indem Werk­zeuge bereit­ge­stellt werden, die Echt­zeit­fä­hig­keit, Daten­schutz, Ener­gie­ef­fi­zienz und Benut­zer­freund­lich­keit gewähr­leisten.
• Eine inte­grierte Platt­form entwi­ckeln, die Hard­ware-Modelle mit neuro­nalen Netz­werk­mo­dellen kombi­niert, um Netz­werke für Embedded-Geräte zu opti­mieren und eine durch­gän­gige Entwick­lungs­um­ge­bung bereit­zu­stellen.
• Fort­schritt­liche Kompres­sions- und Pruning-Methoden entwi­ckeln, um die Modell­größe zu redu­zieren, ohne die ursprüng­liche Netz­werkleis­tung zu beein­träch­tigen.
• Die Kombi­na­tion von synchroner Codie­rung (Tensors) und ereig­nis­ge­steu­erter Codie­rung (Spikes) inner­halb eines Netz­werks ermög­li­chen.

Der primäre Forschungs­schwer­punkt von SAL inner­halb von Neuro­kit2E liegt auf der Opti­mie­rung von Hard­ware-IP für KI-Anwen­dungen, der Verbes­se­rung beste­hender Hard­ware-Opera­toren und der Entwick­lung spezia­li­sierter Beschleu­niger durch High-Level-Synthese. Dabei arbeitet SAL an neuar­tigen Verar­bei­tungs­ein­heiten für kompak­tere neuro­nale Netz­wer­kim­ple­men­tie­rungen, der Entwick­lung unter­stüt­zender Einheiten für ein effi­zi­entes Daten­ma­nage­ment sowie der Erstel­lung para­me­tri­sier­barer neuro­naler Netz­werk­ar­chi­tek­turen zur Leis­tungs- und Effi­zi­enz­stei­ge­rung. Zusätz­lich erforscht SAL KI-Opti­mie­rungs­tech­niken wie Quan­ti­sie­rung, Pruning und Kompres­sion im Kontext sicher­heits­kri­ti­scher Anwen­dungen.