Entwicklung eines spezialisierten Low-Power RISC-V Prozessors für Autoencoder in IoT Anwendungen

Umfeld

Anwendungen im Bereich Internet-of-Things (IoT) profitieren bereits verstärkt vom Einsatz künstlicher Intelligenz (KI) zur Verarbeitung der Sensordaten. Dabei werden die Berechnungen in einigen Fällen auf einen zentralen Server in der Cloud ausgelagert, um eine geringere Leistungsaufnahme zu erzielen. Teile des neuronalen Netzes können dabei aber bereits auf dem Gerät implementiert werden, um die benötigte Bandbreite zu reduzieren. Genauer wird beispielsweise der Encoder-Anteil des Autoencoders im IoT Modul implementiert, während der Decoder einen Teil der Server Plattform darstellt.

Aufgabe

Ziel dieser Arbeit ist die Entwicklung eines auf geringe Leistungsaufnahme (Low-Power) optimierten RISC-V Prozessors für den Einsatz in IoT Modulen. Dieser soll entsprechend der Anforderungen eines Autoencoders ausgelegt und implementiert werden. Die Arbeit lässt sich in folgende Teilschritte gliedern:

• Einarbeitung in das Aufgabenumfeld – Autoencoder und RISC-V Instruktionssatz
• Entwurf und Implementierung eines Prototypen auf einem FPGA
• Evaluation und Optimierung auf Basis eines gegebenen neuronalen Netzes

Voraussetzungen

• Hohe Motivation und Interesse an Themen RISC-V und KI/Neuronale Netze
• Grundlegende Kenntnisse in VHDL oder Verilog