Dipl.-Ing. Alexey Serdyuk

Dipl.-Ing. Alexey Serdyuk

  • Engesserstr. 5

    76131 Karlsruhe

Forschung

Neuromorphe Datenverarbeitungsarchitekturen

Neuromorphes Rechnen ist von biologischen neuronalen Netzen inspiriert und versucht, deren Verhalten genau nachzuahmen. Neuromorphe neuronale Netze haben gegenüber herkömmlichen künstlichen neuronalen Netzen den Vorteil, dass sie energieeffizienter sind und sich asynchron und selbstanpassend verhalten. Das neuromorphe Computing, das erstmals im letzten Jahrhundert eingeführt wurde, wird aufgrund der jüngsten Fortschritte in der Neurobiologie, Physik, Halbleitertechnologie und KI aktiv wiederentdeckt. Die Art und Weise, wie neuromorphe Architekturen funktionieren, stellt jedoch neue Herausforderungen dar und erfordert neue Ansätze für die Datenrepräsentation, das Training, die KI-Frameworks und die Werkzeuge.

KI in eingebetteten Systemen

Künstliche Intelligenz wird bei der Entwicklung von eingebetteten Systemen aktiv eingesetzt. Eingebettete KI hilft bei der Lokalisierung von Datenströmen, die für das Training neuronaler Netze benötigt werden, was wiederum dazu beiträgt, die Server und die Kommunikationsnetzinfrastruktur zu entlasten und die Privatsphäre persönlicher Daten zu wahren. Es gibt zwar eine breite Palette von Lösungen für KI-beschleunigte SoCs, aber die Integration von KI in ressourcenbeschränkte Systeme ist aufgrund der Komplexität der in der Industrie verwendeten neuronalen Netze immer noch eine Herausforderung. Daher müssen neue Optimierungstechniken sowohl auf der Hardware- als auch auf der Softwareseite erforscht werden.

 

Publikationen


2024
Proceedingsbeiträge
KIHT: Kaligo-Based Intelligent Handwriting Teacher
Harbaum, T.; Serdyuk, A.; Kreß, F.; Hamann, T.; Barth, J.; Kämpf, P.; Imbert, F.; Soullard, Y.; Tavenard, R.; Anquetil, E.; Delahaie, J.
2024. Proceedings - 2024 Design, Automation and Test in Europe Conference and Exhibition (DATE), 6 S., Institute of Electrical and Electronics Engineers (IEEE). doi:10.23919/DATE58400.2024.10546623
Towards the on-device Handwriting Trajectory Reconstruction of the Sensor Enhanced Pen
Serdyuk, A.; Kreβ F.; Hiegle, M.; Harbaum, T.; Becker, J.; Imbert, F.; Soullard, Y.; Tavenard, R.; Anquetil, E.; Barth, J.; Kämpf, P.
2024. 2023 IEEE 9th World Forum on Internet of Things (WF-IoT), Aveiro, 12th - 27th October 2023, 01–06, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/WF-IoT58464.2023.10539488
HW/SW Co-Design for Integrated AI Systems: Challenges, Use Cases and Steps Ahead
Harbaum, T.; Topko, I.; Serdyuk, A.; Fürst-Walter, I.; Kreß, F.; Becker, J.
2024. 3rd Workshop on Deep Learning for IoT (DL4IoT-2024)
2023
Proceedingsbeiträge
ATLAS: An Approximate Time-Series LSTM Accelerator for Low-Power IoT Applications
Kreß, F.; Serdyuk, A.; Hiegle, M.; Waldmann, D.; Hotfilter, T.; Hoefer, J.; Hamann, T.; Barth, J.; Kämpf, P.; Harbaum, T.; Becker, J.
2023. 26th Euromicro Conference on Digital System Design (DSD 2023), 569–576, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/DSD60849.2023.00084
A Unified SoC Lab Course: Combined Teaching of Mixed Signal Aspects, System Integration, Software Development and Documentation
Pfau, J.; Leys, R.; Neu, M.; Serdyuk, A.; Peric, I.; Becker, J.
2023. 2023 IEEE International Symposium on Circuits and Systems (ISCAS), 5 S., Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ISCAS46773.2023.10181679
2022
Proceedingsbeiträge
Hardware-aware Workload Distribution for AI-based Online Handwriting Recognition in a Sensor Pen
Kreß, F.; Serdyuk, A.; Hotfilter, T.; Höfer, J.; Harbaum, T.; Becker, J.; Hamann, T.
2022. 2022 11th Mediterranean Conference on Embedded Computing (MECO). Ed.: IEEE, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/MECO55406.2022.9797131