Text

FASTER ΑΙ: Fully Autonomous Safety- and Time-critical Embedded Realization of Artificial Intelligence

FASTER AI avser att tillgodose nyuppkomna behov av att integrera maskininlärning (ML) på hårdvaruinfrastruktur som i stor utsträckning används inom telekom, samt för tids- och säkerhetskritiska uppgifter i luftburna system och andra fordon.

Projektansvarig vid MDU

No partial template found

FASTER AI avser att tillgodose nyuppkomna behov av att integrera ML på hårdvaruinfrastruktur som i stor utsträckning används inom telekom, samt för tids- och säkerhetskritiska uppgifter i luftburna system och andra fordon. Nuvarande utvecklingsmiljöer och optimerande kompilatorer för AI styrs främst av de dominerande molnleverantörernas behov. Därmed missar de behovet av motsvarande lösningar i inbyggda system för tids- och säkerhetskritiska uppgifter. I takt med att inferens tar över traditionellt heuristiskt och regelstyrt beslutsfattande inom industrin finns det dock ett stort behov av att omdisponera hårdvara och utveckla tillhörande verktyg.

Med utgångspunkt i användningsfall med säkerhets- och tidskritiska tillämpningar effektiviserar vi ML-integrationsprocessen inom tre kärnområden:

  1. automatisk identifiering av lämpliga neurala arkitekturer för driftsättning på domänspecifik hårdvara
  2. tillhandahålla en optimerande flerstegs-korskompilator för kombinering av kritisk traditionell logik & ML
  3. tillhandahålla hjälpprogramvara anpassad till krav från ML-drivna tillämpningar.

Projektmål

Vår metod är effektiv för existerande hårdvara men också framtidssäkrad för kommande arkitekturer och utgåvor av domänspecifika acceleratorer i branscher beroende av korrekta och tidskritiska datorstödda beslut. Vi är övertygade om att FASTER AI-metoden är den mest hållbara och framtidssäkra vägen mot digitalisering och värdeskapande för befintlig kritisk infrastruktur.