Master Thesis Students for the topic: Design of efficient Neuromorphic Hardware Architectures

Fraunhofer-Institut für Integrierte Schaltungen  | online seit: 12.07.2018 
The Broadband & Broadcast (BB) department is active in the areas of mobile communications, satellite communications, Internet-of-Things and automotive communication systems. We take new concepts and algorithms in the fields of communications and digital signal processing (e.g. machine learning) from theory, implement them and test them in simulations and in prototypes in our labs and in the field.

Abstract:
Neuromorphic hardware is a brand new type of integrated circuits which are used to accelerate significantly the calculation of Deep Neural Networks (DNN), thus reducing power consumption, latency and cost. Due to the very high numerical complexity of DNNs, efficient hardware implementations of neural network architectures are the key to widespread deployment in embedded devices for inference tasks. Research in this domain is ongoing and first promising concepts like so-called Deep Compression have been devised. This thesis focuses on study and development of novel efficient neural network architectures in digital hardware and their implementation and evaluation on FPGA-based platforms.


Your responsibilities:
  • Analysis of state-of-the-art approaches for efficient implementation of neural networks (e.g. Deep Compression)
  • Development of new approaches for efficient neural network architectures and implement them on FPGA-based platforms
  • Analysis and comparison of different neural network architectures with respect to hardware performance indicators (e.g. throughput, hardware resources, power)
  • An open and cooperative working environment
  • Collaboration in interesting and innovative projects
  • Many opportunities to gain practical experience
  • You have basic knowledge of digital hardware design using VHDL or System Verilog (mandatory)
  • You have an understanding of Deep Neural Network models (mandatory)
  • You ideally have practical experience with FPGA platforms (e.g. Xilinx Zynq)
Please address your full application (in PDF, including a cover letter, CV, latest transcripts of records, references and the date of your earliest possible start date) to Nina Wörlein, quoting ID number 39386-BBT-042.

Please mention how you heard about this position in your application.

Additional information is available on our website: www.iis.fraunhofer.de/en
Fraunhofer ist die größte Organisation für anwendungsorientierte Forschung in Europa. Unsere Forschungsfelder richten sich nach den Bedürfnissen der Menschen: Gesundheit, Sicherheit, Kommunikation, Mobilität, Energie und Umwelt. Wir sind kreativ, wir gestalten Technik, wir entwerfen Produkte, wir verbessern Verfahren, wir eröffnen neue Wege.
Fraunhofer-Institut für Integrierte Schaltungen IIS
Personalmarketing
Am Wolfsmantel 33
91058 Erlangen
Keine Details erfasst

Keine Internetverbindung!

Bitte stellen Sie eine Verbindung mit dem Internet her, um weiter zu arbeiten.

schliessen

Automatische Abmeldung in: Ihre Sitzung ist abgelaufen! Die aktuelle Sitzung wurde aufgrund von Inaktivität beendet. Sie können dieses Formular jetzt nicht mehr speichern. Speichern Sie Ihre Änderungen vor dem Verlassen der Seite gegebenenfalls lokal ab, um Datenverlust zu vermeiden.

{{session.countDown.hours}}
Stunden
{{session.countDown.minutes}}
Minuten
{{session.countDown.seconds}}
Sekunden

Ihre Sitzung endet nach dieser Zeit und Sie werden automatisch vom System abgemeldet. Nicht gespeicherte Änderungen gehen gegebenenfalls verloren. Klicken Sie auf "Sitzungsdauer verlängern", um die automatische Abmeldung abzubrechen und die Sitzungsdauer zu verlängern.

Sitzungsdauer verlängern Okay
counter-image