Die Fraunhofer-Forschungseinrichtung für Mikrosysteme und Festkörpertechnologien EMFT bietet für eine Dauer von 6 Monaten eine
Masterarbeit zum Thema: Neuronale Architektur (NAS) für KI-Beschleuniger am Edge

Die Fraunhofer EMFT forscht und entwickelt Technologien und Lösungen im Bereich der Mikroelektronik und Mikrosystem-technologie. 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.  

Um was geht es hierbei?
Die Anwendung des mehrschichtigen Neuronalen Netzwerks (Englisch: Deep Neural Networks (DNNs)) auf Edge-Geräten wie Handy und intelligenten Sensorsystem hat in den letzten Jahren ein erhebliches Interesse an Forschung und Entwicklung geweckt. Typische Computerhardware wie CPU und GPU sind leider für solche Anwendungen ineffizient, um alle Anforderungen für Energie, Latenz und Sicherheit zu erfüllen. Die Ermöglichung der hoch-energieeffizienten Implementierung am Edge erfordert einen anwendungsspezifischen DNN-Beschleuniger mit geringem Stromverbrauch. Um die Energie-, Latenz- und Sicherheitsanforderung gleichzeitig zu erfüllen und ein optimales Kompromiss zu erreichen, Innovatives Denken und Lösungen sind für beiden Algorithmus- und Hardwareentwicklung erforderlich. Unsere Gruppe forscht und entwirft den analoge / Mixed-Signal Hardwarebeschleuniger und die innovativen Algorithmen, die die Entwicklung des Beschleunigers unterstützt.

Grundsätzlich besteht auch die Möglichkeit, ein wissenschaftliches Paper zu diesem Thema zu veröffentlichen, wenn die bestimmten Voraussetzungen erfüllt sind.

Deine Aufgaben:

  • Untersuchung der existierenden NAS-Algorithmen mit Berücksichtigung der Beschränkung der Hardware
  • Entwicklung des eigenen NAS-Algorithmus anhand des vorhandenen Tools
  • Optimierung des Energiemodell und Entwicklung des Latenzmodells der Hardware, wenn sie notwendig für NAS-Algorithmus sind
  • Evaluierung des entwickelten Algorithmus für verschiedene Anwendungsfälle
  • Dokumentation und Präsentation der Ergebnisse

Was Du mitbringst:

  • Studiengang im Bereich Elektrotechnik, Informatik oder in einem artverwandten Gebiet
  • Gutes Verständnis des künstlichen neuronalen Netzwerks bzw. des Maschinellen Lernens
  • Grundlegendes Verständnis der analogen und digitalen Schaltung ist ein großes Plus
  • Praktische Erfahrung mit neuronalen Netzen mit Tensorflow / PyTorch
  • Guter analytischer und strukturierter Arbeitsstil
  • Gute Deutsch- oder Englischkenntnisse

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.

Bei Fragen zur Position:
Herr. Dr. Pengcheng Xu
Email: pengcheng.xu@emft.fraunhofer.de
Telefon: +49 89 54759-237

Herr Lei Zhang
Email: lei.zhang@emft.fraunhofer.de
Telefon: +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-2021-11 Bewerbungsfrist: 31.05.2021
counter-image