Systeemarchitectuur-verkenning voor AI-acceleratorplatforms

Tijdens dit doctoraat bouw je architectuurmodellen voor neurale netwerkversnellers en bestudeer je de mapping van een verscheidenheid aan algoritmen erop, om architectuur, algoritmen en uiteindelijk circuitontwerp voor AI-versnellers te co-optimaliseren. Het doel is om een groot aantal architecturen te verkennen: systolische array-gebaseerd, analoog / gemengd signaal en zelfs in-memory compute-gebaseerd zullen worden overwogen. Je zult werken met dat ontwerp van analoog-in-geheugen rekenoplossingen op basis van opkomende geheugentechnologie zoals MRAM of RRAM, maar je bereik zal breder zijn dan alleen dat, om te kijken naar een volledige, programmeerbare accelerator die een heterogene mix van CPU, digitale acceleratorlogica, naast mogelijk in-memory compute-weefsels. Het doel is om de juiste keuzes te vinden om om te gaan met geheugendruk, rekenvereisten, energie-efficiëntie en flexibiliteit. Het bouwen van de juiste modelleertools zal een belangrijk onderdeel van het werk zijn, aangezien dit een snelle en efficiënte verkenning van de ontwerpruimte en mogelijk geautomatiseerde zoekoplossingen op basis van netwerk- en hardware-architectuur mogelijk maakt.