< Terug naar vorige pagina

Project

Fout Tolerante Diepe-Neurale-Netwerkacceleratoren

In de afgelopen jaren zijn Diepe Neurale Netwerken (DNN's) steeds populairder geworden voor Artificiële Intelligentie (AI) toepassingen omdat deze accurater zijn in vergelijking met klassieke AI algoritmen. Deze zijn echter zeer rekenintensief en dus heeft men gespecialiseerde hardware, namelijk DNN acceleratoren, ontwikkeld om DNN’s efficiënt te kunnen uitvoeren. DNN’s hebben ook aan populariteit gewonnen in het gebruik in stralingsgevoelige omgevingen zoals afbeeldingsherkenning in ruimtesatellieten, autonome voertuigen, etc. Momenteel bestaat er echter nog geen stralingsharde DNN accelerator. Dit project heeft tot doel om dit probleem op te lossen door een DNN accelerator te ontwerpen en te analyseren hoe straling fouten hierin introduceert. Op basis van deze kennis zullen dan efficiënte fouttolerantie methodes worden geïmplementeerd gebruik makende van foutdetectie gebaseerd op pariteitsvoorspelling. Als laatste zal het ontwerp worden getest op fouttolerantie waarna een proof-of-concept ASIC zal worden gemaakt welke de stralingsharde accelerator bevat.

Datum:10 aug 2021 →  Heden
Trefwoorden:Radiation hardening by design, Radiation effects, DNN accelerator, Fault tolerant computing
Disciplines:Digitaal geïntegreerde circuits, Architectuur van het computersysteem, Elektronisch circuit- en systeembetrouwbaarheid
Project type:PhD project