Das Projekt AI-DISCO (Edge-Cloud AI for DIstributed Sensing and COmputing) stellt sich den Herausforderungen Datendurchsatz, Energieverbrauch, Skalierbarkeit, Resilienz und Sicherheit durch die Erforschung einer Edge-/Cloud-Plattform (AI-DISCO-Plattform). Die AI-DISCO-Plattform wird ein innovatives, rekonfigurierbares Edge-Node-Design umfassen, das die Integration von RISC-V-Prozessorkernen, DSP-Verarbeitungseinheiten und parametrisierbaren Deep-Learning-Beschleunigern unterstützt, die speziell für Edge-Anwendungen optimiert sind. Der Edge-Node wird auf neuromorphen KI-Chips basieren. Dabei finden innovative Technologien wie zum Beispiel memristive Bauelemente, und Mixed-Signal-Architekturen für In-Memory-Computing Verwendung. Die Entwicklung der Architekturen und Systemtopologien basiert auf, beziehungsweise wird durch neurobiologische Erkenntnisse und Rechenmodelle unterstützt. Die daraus resultierende Edge-Node-Hardware wird sich leicht an die unterschiedlichen Anforderungen der Anwendungen anpassen lassen und das Potenzial für eine erhebliche Energieoptimierung beim AI-Edge-Computing bieten. Auf der Cloud-Ebene ist die Entwicklung der AI-DISCO-Plattform durch eine konsistente Implementierung der 3C-Architektur (Connected Collaborative Computing) gekennzeichnet.
Partner
- Leibniz-Institut für innovative Mikroelektronik (IHP)
- Brandenburgische Technische Universität Cottbus-Senftenberg (BTU)
- Fraunhofer Institut für Photonische Mikrosysteme (IPMS)
- Leibniz-Institut für Neurobiologie (LIN)
- Perinet GmbH
- ENERTRAG SE
- ABB AG
Prof. Dr.-Ing. Hans Dieter Schotten
