Verbundprojekt CentralCarServer - Supercomputing für Automotive - CeCas; Teilvorhaben: Event-basierte KI-Beschleuniger zur Sensordatenverarbeitung in hybriden neuronalen Netzen

Sachbericht

Loading...
Thumbnail Image

Editor

Advisor

Volume

Issue

Journal

Series Titel

Book Title

Publisher

Hannover : Technische Informationsbibliothek

Supplementary Material

Other Versions

Link to publishers' Version

Abstract

Ziel des Teilvorhabens von Infineon Dresden war die Integration fortgeschrittener neuromorpher Beschleuniger in die Systemarchitektur. Dabei erarbeitete Infineon Dresden erfolgreich Konzepte für zentralisierte Systemarchitekturen und für geeignete KI-Beschleuniger sowie Spiking Neural Networks (SNNs) und erstellte Demonstratoren für Hochleistungsprozessoren für den Automotive-Bereich. Das Fördervorhaben wurde ausschließlich in intensiver Zusammenarbeit mit den Partnern innerhalb des Konsortiums durchgeführt. Es wurde ein neuromorphes Beschleunigerkonzept erarbeitet, das auf einem event-basierten Ansatz basiert sowie eine hohe Effizienz und Skalierbarkeit aufweist. Darüber hinaus wurde für die Systemintegration ein Software-Framework erstellt, das es ermöglicht, SNNs auf dem Beschleuniger zu trainieren und zu erproben. Zusammenfassend ist hervorzuheben, dass die Kombination von neuromorphen Algorithmen und Hochleistungsprozessoren eine vielversprechende Lösung für eine Vielzahl von Anwendungen - insbesondere in der Automobilindustrie - darstellt, darunter auch die Verarbeitung von Spiking Neural Networks. Die von Infineon Dresden erreichten Forschungs- und Entwicklungsergebnisse tragen damit dazu bei, den technologischen Vorsprung und die Wettbewerbsfähigkeit von Infineon Dresden zu erhalten und auszubauen. So stärken die Ergebnisse von CeCaS die Wettbewerbsfähigkeit der Halbleiterindustrie und fördern die Sicherung von hoch qualifizierten Arbeitsplätzen in Deutschland.

Description

Keywords GND

Conference

Publication Type

Report

Version

publishedVersion

License

Creative Commons Attribution-NonDerivs 3.0 Germany