Die Fraunhofer-Einrichtung für Mikrosysteme und Festkörper-Technologien (EMFT) in München bietet zum nächstmöglichen Zeitpunkt in unserem Bereich Circuit Design eine
Masterarbeit zum Thema "Entwurf und Implementierung eines ANN / CNN-Beschleunigers basierend auf Approximating Computing"

Die Fraunhofer EMFT forscht und entwickelt Technologien und Lösungen im Bereich der Mikroelektronik und Mikrosystemtechnologie. Die Fraunhofer EMFT verfolgt einen interdisziplinären Ansatz und kombiniert traditionelle Silizium-Halbleitertechnologien mit MEMS, Mikrofluidik, Systemintegration und flexibler Elektronik. Der Fokus dabei liegt nicht auf Miniaturisierung allein, sondern vor allem auf der heterogenen Technologieintegration und der Entwicklung intelligenter Systeme, um neuartige Lösungen und Produkte für den alltäglichen Gebrauch zu ermöglichen.  

Das Projekt:
Das künstliche neuronale Netzwerk (ANN) hat in den letzten Jahren ein großes Interesse sowohl in der Forschung als auch in den kommerziellen Anwendungen geweckt. Die Anwendung des ANN ist jedoch stark durch die Energieeffizienz und die Latenz der Berechnung von dem konventionellen Computersystem eingeschränkt. Unsere Gruppe forscht und entwirft den analogen / Mixed-Signal-Hardwarebeschleuniger für ANNs in Edge-Computing-Anwendungen mit geringem Stromverbrauch und geringer Latenz. 

Deine Verantwortlichkeiten beinhalten die Untersuchung der Hardwarebeschränkung für ANN-Berechnung durch Literaturrecherche, die Entwicklung der eigenen Methoden, Implementierung und die Verifikation der entwickelten Entwurfsmethoden mit FPGA, um die vorausgesetzte Spezifikation zu erfüllen. Grundsätzlich besteht auch die Möglichkeit, ein wissenschaftliches Paper zu diesem Thema zu veröffentlichen, wenn die bestimmten Voraussetzungen erfüllt sind.

Deine spezifischen Aufgaben im Rahmen dieser Arbeit sind: 

  • Untersuchung eines existierenden (Approximate Computing) Algorithmus für ein künstliches neurales Netzwerk (ANN) und ein faltendes neuronales Netzwerk (CNN)
  • Simulation und Auswertung vorhandener Algorithmen mithilfe eines Python-basierten Modells
  • Entwicklung eines FPGA-basierten ANN/CNN-Beschleunigers mit den Approximate Computing Algorithmus
  • Dokumentation und Präsentation der Ergebnisse

Was Du mitbringst:

  • Studiengang der Elektrotechnik, Informatik oder ein artverwandter Studiengang
  • Praktische Erfahrung in der FPGA-Entwicklung mit Verilog / VHDL
  • Gutes Verständnis der digitalen Schaltung
  • Grundverständnis analoger Schaltungen ist von Vorteil.
  • Gute Kenntnisse in der Programmierungssprach Python
  • Erfahrung mit Tensorflow ist ein großes Plus
  • Analytische und gut strukturierte Arbeitsweise
  • Gute Englisch- oder Deutschkenntnisse

Wenn Du engagiert und teamorientiert arbeitest und es gewohnt bist, Deine Arbeitsergebnisse selbstständig und sorgfältig zu erarbeiten, dann freuen wir uns auf Deine Bewerbung.

Wir bieten Dir ein offenes und kollegiales Arbeitsumfeld in einem internationalen Team, den Freiraum, Deine Ideen und Fähigkeiten einzubringen und flexible Arbeitszeiten, die zu Deinem Studium passen.

Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.
Die Stelle ist zunächst auf 6 Monate befristet.
Die Gleichstellung von Frauen und Männern ist für uns selbst­verständlich.
Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt.

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.

Fragen zu dieser Tätigkeit beantworten Dir gerne:
Herr Dr. Pengcheng Xu
email: pengcheng.xu@emft.fraunhofer.de
Telephone: +49 89 54759-237
oder
Herr Lei Zhang
email: lei.zhang@emft.fraunhofer.de
Telephone: +49 89 54759-233

Bewerbungen bitte online unter http://www.fraunhofer.de/de/jobs-und-karriere.html bzw. durch Klick auf den Bewerben-Button

Kennziffer: EMFT-2021-8 Bewerbungsfrist: 30.04.2021
counter-image