Verbundprojekt: KI für neue Elektroniksysteme und Edge-Computing-Technologien - ANDANTE -

Das Projekt ANDANTE entwickelt neue Methoden und Hardware für künstliche neuronale Netze in eingebetteten Systemen. Dazu spannt es eine Brücke von neuartigen Bauelementen über eingebettete Hardware bis hin zu KI-Anwendungen im Bereich IoT. Ziel ist die Erhöhung der Effizienz gegenüber bestehenden Lösungen, um so komplexere und leistungsfähigere KI-Anwendungen in eingebetteten Systemen realisieren zu können. Das deutsche Konsortium bildet die komplette Bandbreite in ANDANTE von neuartigen Bauelementen bis hin zu Anwendungen ab. Es konzentriert sich dabei im Wesentlichen auf den Anwendungsfall Indoor-Radar für die Personenerfassung und -zählung. Das Vorhaben der TU Dresden widmet sich speicheroptimierten Lernverfahren für neuronale Netze. Diese sollen auf dem neuromorphen Multiprozessorsystem SpiNNaker2 realisiert und hinsichtlich ihrer Effizienz evaluiert werden. Ziel ist es, Redundanzen in den Eingangsdaten, strukturelle Sparsity und starke Quantisierung der Gewichte in den neuronalen Netzen bereits während des Lernens auszunutzen, um den Speicherbedarf konstant niedrig zu halten. Die entwickelten Lernverfahren sollen mit SpiNNaker2 auf Benchmarks für die pulsbasierte Bildverarbeitung und die Personen- und Objekterfassung mit Radar-Sensoren angewendet werden. Aus den Erkenntnissen bei der Implementierung der Lernverfahren sollen Modifikationen der SpiNNaker2-Architektur abgeleitet und evaluiert werden.