Text

Heterogena system - co-design för hårdvaruprogramvara

Gruppen syftar till att öka nyttjandet av heterogena system när det gäller förutsägbarhet, effektiv utveckling och effektiv integration av mjuk- och hårdvara för nästa generations intelligenta system.

Kontaktperson

Universitetslektor

Masoud Daneshtalab

+4621103111

masoud.daneshtalab@mdh.se

Universitetslektor

Saad Mubeen

+4621103191

saad.mubeen@mdh.se

Med det exploderande behovet av högpresterande datoranvändning befinner vi oss i början av den heterogena eran, där alla framtida datorplattformar troligen kommer att omfatta heterogenitet. I ett heterogent system kan det finnas flera olika beräkningsenheter, såsom flerkärniga centrala processenheter (CPU), grafikprocessenheter (GPU), fältprogrammerbara grinduppsättningar (FPGA), digitala signalbehandlingsenheter (DSP) och artificiell intelligens (AI) acceleratorer/motorer.

En viktig drivkraft för heterogena system är nästa generations intelligenta, adaptiva och autonoma system som kommer att utgöra basen för kommande produkter som autonoma fordon och autonom tillverkning.

Med ett varierat utbud av arkitekturer (på ett enda chip eller distribuerat) är en viktig utmaning att utnyttja den enorma beräkningskraften på bästa sätt, samtidigt som den uppfyller flera kriterier som prestanda, energieffektivitet, tidsförutsägbarhet och tillförlitlighet.

Det övergripande målet för denna forskargrupp är att ta itu med följande vetenskapliga områden:

  • Hårdvara/mjukvara co-design och integration
  • Systemarkitektur och specialisering
  • AI och djup inlärningsacceleration
  • Modellbaserad utveckling av förutsägbara programvaruarkitekturer
  • Pre-runtime analys av heterogena inbyggda system

Pågående forskningsprojekt

This project aims at developing innovative techniques to provide a full-fledged development environment for vehicular applications that use TSN as the backbone for on-board communication.


Projektansvarig vid MDH: Saad Mubeen

Huvudfinansiering: Vinnova

DeepMaker aims to provide a framework to generate synthesizable accelerators of Deep Neural Networks (DNNs) that can be used for different FPGA fabrics.


Projektansvarig vid MDH: Masoud Daneshtalab

Huvudfinansiering: KK-stiftelsen

In this joint project, we aim at decreasing the power consumption and computation load of the current image processing platform by employing the concept of computation reuse.


Projektansvarig vid MDH: Masoud Daneshtalab

Huvudfinansiering: STINT - The Swedish Foundation for International Cooperation in Research and Higher Education

Projektet har syftete att utveckla nya tekniker för att tillhandahålla en fullständig holistisk mjukvaruutvecklingsmiljö för förutsägbara fordonssystem som använder blandad TSN-5G kommunikation


Projektansvarig vid MDH: Saad Mubeen

Huvudfinansiering: VINNOVA (FFI)

The overall goal of HERO is to provide a framework that enables development of optimized parallel software, automatic mapping of software to heterogeneous hardware platforms, and provision of automatic hardware acceleration for the developed software.


Projektansvarig vid MDH: Mikael Sjödin

Huvudfinansiering: KK-stiftelsen

This project addresses design methods for the use of DNNs in airborne safety-critical systems.


Projektansvarig vid MDH: Håkan Forsberg

Huvudfinansiering: Vinnova