Entwicklung einer RISC-V basierten Plattform zur effizienten Ausführung von Temporal Convolutional Networks in eingebetteten Systemen

Kontext

Der Einsatz von Internet-of-Things (IoT) Geräten nimmt kontinuierlich zu. Dabei steigt auch die Komplexität der Anwendungen, was eine große Herausforderung für die verwendete Hardware darstellt. Sie muss nicht nur mit einer möglichst geringen Latenz die Daten verarbeiten, sondern gleichzeitig auch möglichst energiesparsam agieren, um eine hohe Akkulaufzeit zu ermöglichen. Folglich ist es notwendig, die System-Architektur sehr gut auf die Anwendung abzustimmen. Insbesondere der Einsatz von künstlicher Intelligenz (KI) in IoT-Geräten erfordert ein effizientes Hardware/Software Co-Design.

Aufgaben 

• Einarbeitung in Temporal Convolutional Networks (TCN)
• Recherche zum aktuellen Stand der Technik
• Auswahl einer geeigneten Basis-Architektur
• Entwicklung eines effizienten Hardware-Beschleunigers
• Test und Evaluation der Performanz

Voraussetzungen 

• Kenntnisse in einer Hardwarebeschreibungssprache (z.B. VHDL oder Verilog)
• Programmiererfahrungen in C/C++
• Grundlegende Kenntnisse in ML und neuronalen Netzen von Vorteil aber nicht zwingend erforderlich