SEC-Learn Workshop: Neuromorphic Computing

SEC-Learn (Sensor Edge Cloud for federated learning)

 

Ort: Online-Veranstaltung

Termin: 24.03.2022, 15:00 – 17:00 Uhr (MEZ)

 

Logo SEC-Learn Arrival
© Fraunhofer
Neuromorphes Computing: Fraunhofer EMFT-Wissenschaftler beim Programmieren
© Fraunhofer EMFT / Bernd Müller
Neuromorphes Computing

SEC-Learn adressiert hochaktuelle und hochrelevante Fragestellungen des zukünftigen Computings zu einem Zeitpunkt, an dem die Ablösung der heutigen von-Neumann basierten Prozessorarchitekturen durch neue Architekturkonzepte absehbar ist und die zunehmende Verlagerung des Computings von der Cloud in die Edge die Entwicklung neuer, ressourcenschonender und energieeffizienter Plattformen erforderlich macht.

Um rechenintensive Spezialaufgaben auch in ressourcenlimitierten Edge-Anwendungen, beispielsweise in mobilen Endgeräten oder Fahrzeugen, realisieren zu können, werden in SEC-Learn neuartige Ansätze verfolgt. Das Projekt adressiert den Bedarf durch die Entwicklung einer neuromorphen Beschleuniger Plattform mit Spiking Neural Network (SNN) Cores für energieeffiziente KI-Anwendungen und insbesondere für föderiertes (verteiltes) Lernen. Auf einer gemeinsamen Plattform sollen entwickelte Hardware-Komponenten und die Algorithmen für föderiertes Lernen zusammenkommen, um eine effiziente Umsetzung von Inferenz und Training zu ermöglichen.

Die in diesem Projekt zu entwickelnden neuromorphen Beschleuniger haben eine um Größenordnungen geringere Leistungsaufnahme und können für KI-Algorithmen optimiert werden, wodurch eine Verlagerung des Computings auf Edge-Devices ermöglicht wird. Die Skalierbarkeit der Entwicklungsergebnisse wird in zwei Applikationen demonstriert:

I. Spracherkennung und akustische Ereignisdetektion für Sprachassistenten

II. Bilderkennung (Automotive bzw. autonomes Fahren)

Das Lernen der neuromorphen Plattform soll hierbei in den verteilten Systemen stattfinden, ohne das kundensensitive Daten in der zentralen Cloud verarbeitet werden müssen.

Image recognition for autonomous driving
© Fraunhofer IGD
Image recognition for autonomous driving
Micropump driver ICs realized with 0.35 µm high voltage process
© Fraunhofer EMFT / Bernd Müller
Micropump driver ICs realized with 0.35 µm high voltage process
High voltage silicon micropump driver and capacitive PM2.5 sensor including readout electronics integrated with 180nm CMOS Silicon-on-Insulator (SOI) Technology.
© Fraunhofer EMFT / Bernd Müller
High voltage silicon micropump driver and capacitive PM2.5 sensor including readout electronics integrated with 180nm CMOS Silicon-on-Insulator (SOI) Technology.

Anmeldeformular

* Pflichtfelder

Datenschutz