Descrizione del progetto
Esecuzione di reti neurali profonde su dispositivi IoT a bassa potenza
L’internet delle cose (IoT) e la rapida ascesa dell’intelligenza artificiale e dell’apprendimento automatico hanno creato una nuova serie di sfide. Una di queste è la difficoltà di eseguire algoritmi di apprendimento profondo tra diverse piattaforme hardware. Si tratta di un problema che è stato ampiamente affrontato con flussi di lavoro basati su CPU e GPU. Tuttavia, questo non è il caso di dispositivi a basso consumo come smartphone, auto o orologi su cui l’inferenza dell’apprendimento profondo sta guadagnando terreno. Il progetto hls4ml, finanziato dall’UE, svilupperà una libreria open-software che adatterà automaticamente le reti neurali profonde ai circuiti elettronici utilizzando strumenti di sintesi di alto livello e riducendo l’utilizzo delle risorse.
Obiettivo
With Deep Learning becoming ubiquitous in our life, running Deep Learning algorithms in real time on an heterogeneous set of hardware platforms is a pressing need in many aspects of our society. While traditional workflows based on standard CPUs and GPUs are established, Deep Learning inference on low-power devices (e.g. cars, smart phones, watches, etc) is gaining more attention. Typically, this would require strong background in electronic engineering to convert a neural network into a Digital Signal Processor. We propose to develop a complete open-software library to automatically convert Deep Neural Networks to electronic circuits, using High Level Synthesis tools. With a large basis of potential applications (e.g. autonomous cars, medical devices, portable monitoring devices, custom electronics as in the real-time data processing system of large-scale scientific experiments, etc.), the hls4ml library would assists users by automatising the logic circuit design as well as by reducing resource utilisation while preserving accuracy.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- ingegneria e tecnologiaingegneria meccanicaingegneria dei veicoliingegneria dell'autoveicoloveicoli autonomi
- ingegneria e tecnologiaingegneria elettrica, ingegneria elettronica, ingegneria informaticaingegneria elettronica
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automaticoapprendimento profondo
- scienze naturaliinformatica e scienze dell'informazionescienza dei datitrattamento dei dati
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeintelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2020-PoC
Vedi altri progetti per questo bandoMeccanismo di finanziamento
ERC-POC -Istituzione ospitante
1211 Meyrin
Svizzera