Datavetenskap och dataanalys
Heterogena system - co-design för hårdvaruprogramvara
Gruppen syftar till att öka nyttjandet av heterogena system när det gäller förutsägbarhet, effektiv utveckling och effektiv integration av mjuk- och hårdvara för nästa generations intelligenta system.
Kontaktperson
Med det exploderande behovet av högpresterande datoranvändning befinner vi oss i början av den heterogena eran, där alla framtida datorplattformar troligen kommer att omfatta heterogenitet. I ett heterogent system kan det finnas flera olika beräkningsenheter, såsom flerkärniga centrala processenheter (CPU), grafikprocessenheter (GPU), fältprogrammerbara grinduppsättningar (FPGA), digitala signalbehandlingsenheter (DSP) och artificiell intelligens (AI) acceleratorer/motorer.
En viktig drivkraft för heterogena system är nästa generations intelligenta, adaptiva och autonoma system som kommer att utgöra basen för kommande produkter som autonoma fordon och autonom tillverkning.
Med ett varierat utbud av arkitekturer (på ett enda chip eller distribuerat) är en viktig utmaning att utnyttja den enorma beräkningskraften på bästa sätt, samtidigt som den uppfyller flera kriterier som prestanda, energieffektivitet, tidsförutsägbarhet och tillförlitlighet.
Det övergripande målet för denna forskargrupp är att ta itu med följande vetenskapliga områden:
- Hårdvara/mjukvara co-design och integration
- Systemarkitektur och specialisering
- AI och djup inlärningsacceleration
- Modellbaserad utveckling av förutsägbara programvaruarkitekturer
- Pre-runtime analys av heterogena inbyggda system
Pågående forskningsprojekt
In this joint project, we aim at decreasing the power consumption and computation load of the current image processing platform by employing the concept of computation reuse.
Projektansvarig vid MDU: Masoud Daneshtalab
Huvudfinansiering: STINT Stiftelsen för internationalisering av högre utbildning och forskning
Projektet har syftete att utveckla nya tekniker för att tillhandahålla en fullständig holistisk mjukvaruutvecklingsmiljö för förutsägbara fordonssystem som använder blandad TSN-5G kommunikation
Projektansvarig vid MDU: Saad Mubeen
Huvudfinansiering: Vinnova
Projektet har som mål att utveckla nya tekniker och verktyg för holistisk modellbaserad mjukvaruutveckling av förutsägbara fordonsplattformar som inkluderar äldre kommunikation och TSN.
Projektansvarig vid MDU: Saad Mubeen
Huvudfinansiering: VINNOVA (FFI)