EKI-App: Energieeffiziente Künstliche Intelligenz im Rechenzentrum durch Approximation von tiefen neuronalen Netzen für Field-Programmable Gate Arrays

?berblick

Ziel des Projekts ist die Steigerung der Energieeffizienz von KI-Systemen für DNN Inferenz durch Approximationsverfahren und Abbildung auf Hochleistungs-FPGAs. Durch die Anpassung, Weiterentwicklung und Bereitstellung einer auf dem Open Source Werkzeug FINN basierenden Software-Werkzeugkette für die automatisierte, optimierte und hardwareangepasste Umsetzung von DNNs auf FPGAs und die Bewertung der dadurch erzielten Energieeinsparungen durch pr?zise Messungen in realen Serversystemen schlie?t das Projekt die bestehende Lücke für die praktische Nutzung von FPGAs mit ihren Energie- und/oder Performance-Vorteilen für KI-Anwender.

Key Facts

Art des Projektes:
Forschung
Laufzeit:
01/2023 - 12/2025
Beitrag zur Nachhaltigkeit:
Industrie, Innovation und Infrastruktur, Nachhaltiger Konsum und nachhaltige Produktion
Gef?rdert durch:
BMUV

Detailinformationen

Projektleitung

contact-box image

Prof. Dr. Marco Platzner

Technische Informatik

Zur Person
contact-box image

Prof. Dr. Christian Plessl

Hochleistungsrechnen

Zur Person
contact-box image

Heiner Giefers

Fachhochschule Südwestfalen

Zur Person (Orcid.org)
contact-box image

Stefan Henkler

Hochschule Hamm-Lippstadt

contact-box image

Achim Rettberg

Hochschule Hamm-Lippstadt

Zur Person (Orcid.org)

Projektmitglieder

contact-box image

Marius Meyer

Paderborn Center for Parallel Computing (PC2)

Zur Person
contact-box image

Felix Jentzsch, M.Sc.

Technische Informatik

Zur Person
contact-box image

Lennart Clausing, M.Sc.

Technische Informatik

Zur Person

Kooperationspartner

Hochschule Hamm-Lippstadt

Kooperationspartner

Zur Website

Fachhochschule Südwestfalen

Kooperationspartner

Zur Website

Xilinx GmbH Deutschland

Kooperationspartner

Zur Website

MEGWARE Computer Vertrieb und Service GmbH

Kooperationspartner

Zur Website