Marc Neu, M. Sc.
- Wissenschaftlicher Mitarbeiter
- Gruppe: Prof. Becker
- Raum: 126
CS 30.10 - Tel.: +49 721 608-41320
- neu ∂ kit edu
Engesserstr. 5
76131 Karlsruhe
Datenflussverarbeitung für DAQ Systeme
Neue Fortschritte im Bereich der Telekommunikation führen zu steigenden Anforderungen an die Brandbreite in der digitalen Signalverarbeitung. Neue Standards sind in der Lage sub-terabit Datenraten zu übertragen. Die Charakterisierung solcher Systeme erfordert die Verarbeitung, Validierung und Speicherung der erzeugten Messdaten. Stream-Prozessoren spielen eine Schlüsselrolle bei der Entwicklung von Datenerfassungssystemen (DAQ Systeme). Am ITIV wollen wir ein Framework für rekonfigurierbare DAQ Systeme entwickeln, das die Spezifikation zukünftiger Übertragungsstandards ermöglicht.
Umsetzung von GNNs auf Hardwarebeschleunigern
Graph Neural Networks (GNNs) erweitern konventionelle Deep-Learning-Methoden auf graphische Strukturen. Ihre verallgemeinerte Formulierung eröffnet neue Möglichkeiten in Anwendungsbereichen wie der Bildverarbeitung, dem Monitoring oder der Netzwerkanalyse. Insbesondere bei deren Umsetzung in Echtzeitanwendungen stellen Bandbreite und Speicherlatenz deutliche Engpässe dar. Daher ist der Einsatz von reprogrammierbaren Hardwareplattformen wie FPGAs ein zentrales Thema in aktuellen Studien. Am ITIV versuchen wir die Einsatzfähigkeit von GNNs in eingebetteten Systemen zu verbessern.
Datengesteuerter Entwurf von Triggersystemen
Teilchenbeschleuniger erzeugen während ihrer Experimente riesige Datenmengen und benötigen daher so genannte Triggersysteme. Diese Systeme implementieren Filtermechanismen zur Unterscheidung zwischen relevanten und irrelevanten Detektorereignissen. Variierende Hyperparameter während der Physikexperimente erfordern automatisiertes Training und eine Rekonfiguration der Firmware im Detektor. Hier am ITIV untersuchen wir Maßnahmen zur Anpassung latenzoptimierter Triggersysteme auf veränderte Umgebungsvariablen.
Titel | Typ |
---|---|
Decoding Decay - Real-Time Particle Detection from Point Clouds | Masterarbeit |
Compiler-Based Integration of Neural Network Accelerators | Masterarbeit |
Titel |
---|
Empowering Tomorrow's Engineers: MLIR-Based Toolchain for Transforming Python Neural Networks into Verilog Hardware |
Publikationen
Neu, M.; Becker, J.; Dorwarth, P.; Ferber, T.; Reuter, L.; Stefkova, S.; Unger, K.
2024. Computing and Software for Big Science, 8 (1), Artkl.Nr.: 8. doi:10.1007/s41781-024-00117-0
Unger, K.; Becker, J.; Kiesling, C.; Ma, Y.; Meggendorfer, F.; Neu, M.; Schmidt, E.; Zweigart, U.
2023. Applied Reconfigurable Computing. Architectures, Tools, and Applications – 19th International Symposium, ARC 2023, Cottbus, Germany, September 27–29, 2023, Proceedings. Ed.: F. Palumbo, 173–184, Springer Nature Switzerland. doi:10.1007/978-3-031-42921-7_12
Unger, K. L.; Neu, M.; Becker, J.; Schmidt, E.; Kiesling, C.; Meggendorfer, F.; Skambraks, S.
2023. Journal of Instrumentation, 18 (2), Art.-Nr.: C02001. doi:10.1088/1748-0221/18/02/C02001
Neu, M.; Karle, C.; Nuss, B.; Groeschel, P.; Becker, J.
2023. 2023 19th International Conference on Distributed Computing in Smart Systems and the Internet of Things (DCOSS-IoT), 171–178, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/DCOSS-IoT58021.2023.00039
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
Karle, C.; Neu, M.; Pfau, J.; Sperling, J.; Becker, J.
2023. 2023 IEEE 31st Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM), 08-11 May 2023, Marina Del Rey, CA, USA, 209, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/FCCM57271.2023.00037