Multiprozessorsysteme für Machine Learning

DruckversionPer E-Mail sendenPDF-Version

Christian Mayr, Technische Universität Dresden

 

Über den Vortrag:

Big Data ist in aller Munde; allerdings ist weniger geläufig, von welchen Grössenordnungen an Daten wir hierbei sprechen: Die globale übertragene Datenmenge überschritt 2016 zum ersten Mal ein Zettabyte (10²¹), wofür ungefähr 10% des Weltenergiebedarfs aufgewendet werden. Die exponentiell anwachsende Anzahl an Bildsensoren hat 2015 die Weltpopulation überschritten, d.h. es gibt mehr Kameras als Menschen, die deren Daten auswerten könnten.

Es ist mithin zwingend notwendig, automatisierte Methoden zur Datenauswertung zu entwickeln wie etwa Machine Learning. Dieses verwendet vergleichsweise einfache Operationen (Multiplikation, Schwellwerte, etc) in einer hochparallelen Verarbeitung, um Eingangsdaten vielschichtig miteinander zu verknüpfen und komplexe Inhalte zu extrahieren. Diese Verdichtung der Datenströme muss nahe am Sensor (d.h. mobil) ausgeführt werden, um die Übertragungskosten zu reduzieren. Eine zugeschnittene (Chip-)Hardware hat dabei deutliche Energievorteile gegenüber einer Softwarelösung.

Im Vortrag wird ein Überblick über entsprechende Hardwareentwicklungen gegeben, insbesondere die an meiner Professur entstehenden Multiprozessorsysteme. Diese erreichen mit einer Kombination aus Beschleunigereinheiten für Machine Learning sowie konventionellen Prozessoren eine optimale Kombination aus Energieeffizienz und Konfigurierbarkeit. Anwendungsgebiete für diese Multiprozessorsysteme sind: Taktiles Internet, autonomes Fahren und Neuroimplantate.

Curriculum Vitae

Christian MayrChristian Mayr ist Inhaber der Professur für hochparallele VLSI-Systeme und Neuromikroelektronik an der TU Dresden. Seine beruflichen Stationen beinhalten Infineon, Philips, Universität Zürich, TU Dresden und John-Hopkins University Baltimore. Prof. Mayr betreibt Forschung im Bereich bio-inspirierter Schaltungen, Multiprozessorsysteme, Neuroimplantate und Sensorschnittstellen. Er ist Autor von  80 Publikationen und hält 3 Patente. Er ist zentral beteiligt am EU-Flagship Human Brain Project sowie an beiden Elektrotechnik-Exzellenzclustern der TU Dresden (CETI&cfaed). Zu seinen Ehrungen zählen der Meyer-Struckmann Wissenschaftspreis und der Heinrich Barkhausen Preis.