TEMPO: Ein Server für die Hosentasche
Anbieter zum Thema
Gesichtserkennung und Big-Data-Analysen sollen künftig auch ohne Rechenzentrum-Anbindung funktionieren: Im Projekt „TEMPO” arbeiten 20 europäische Firmen und Institute an der Entwicklung neuromorpher Chips, um komplexe KI-Algorithmen direkt in mobilen Geräten zu ermöglichen.

KI-Algorithmen kommen derzeit in zunehmendem Maß in Endgeräten zum Einsatz. Digitale Sprachassistenten oder Gesichtserkennung finden zunehmend Verbreitung. In den kommenden Jahren wird die Nachfrage nach diesen immer komplexeren Rechenalgorithmen nur noch weiter steigen. Aktuell wird die Datenauswertung, die für die Anwendung der Algorithmen notwendig ist, überwiegend per Cloud-Anbindung in Rechenzentren vorgenommen.
Doch ist nicht überall ein Internetzugang für die Cloudverbindung oder praktikabel – wenn es etwa um den Einsatz von KI in autonomen Fahrzeugen geht müssen diese in der Lage sein, die komplexen Auswertungen und schnellstmöglich direkt vor Ort durchzuführen. Auch datenschutzrechtlich würde oft ein möglicher lokaler KI-Einsatz bevorzugt.
Zu diesem Zweck wurde im Rahmen des europäischen ECSEL-Programms nun das TEMPO-Projekt gestartet. Im Laufe der nächsten drei Jahre arbeiten 20 europäische Forschungseinrichtungen und Foundries zusammen, um ihr Hardware- und Anwendungswissen zur Entwicklung neuartiger neuromorpher Chips für das Geräte-Edge zu bündeln.
Die Suche nach der optimalen Speichertechnologie für KI-Chips
TEMPO soll die aktuellen Lösungen auf Geräte-, Architektur- und Anwendungsebene evaluieren und die Technologie-Roadmap für europäische KI-Hardwareplattformen erstellen und erweitern.
„Ein Schlüsselfaktor für maschinelles Lernen und Mustererkennung ist die Fähigkeit der Algorithmen, schnell große Datensätze zu durchstöbern”, sagt Prof. Hubert Lakner, Direktor des Fraunhofer Institut für Photonische Mikrosysteme (IPMS), einer der federführenden Kooperationspartner des TEMPO-Projekts. „Das bedeutet hinsichtlich der Hardware, dass man schnellen Zugriff auf große Speicherblöcke haben muss. Daher liegt einer der Schwerpunkte von TEMPO auf energieeffizienten, nichtflüchtigen, neuartigen Speichertechnologien und neuartigen Methoden zum Design und zur Verarbeitung von Speicher- und Verarbeitungsblöcken auf dem Chip.”
So wird das Projekt beispielsweise von europäischen Forschungseinrichtungen getriebene Speichertechnologien wie MRAM (imec), FeRAM (Fraunhofer IPMS) und RRAM (CEA-Leti) Speicher nutzen, um sowohl Spiking-Neural-Network-(SNN) als auch Deep-Neural-Network-(DNN) Beschleuniger für 8 verschiedene Anwendungsfälle zu implementieren, die von Verbraucher- über Automobil- bis hin zu medizinischen Anwendungen reichen.
:quality(80)/images.vogel.de/vogelonline/bdb/1558600/1558674/original.jpg)
Gast-Kommentar: „Wir müssen die KI-Technologie demokratisieren“
:quality(80)/p7i.vogel.de/wcms/9f/fb/9ffba3bd11472d01c5fa4fdd7cd64090/0102087110.jpeg)
Der verkannte Kontinent: „Wir müssen bei KI auf den Stärken Europas aufbauen“
:quality(80)/p7i.vogel.de/wcms/c6/be/c6beec9f3dbc296debef0434e2f5a8b8/70056729.jpeg)
Neuronale Netze auf Arm-Prozessoren
(ID:46008247)