Institut
Matthias Lüders
Nichtöffentliche Person
  • Publikationsliste

    2020


    Multicore performance prediction with MPET : Using scalability characteristics for statistical cross-architecture prediction. / Arndt, Oliver Jakob; Lüders, Matthias; Riggers, Christoph; Blume, Holger.

    in: Journal of Signal Processing Systems, Jahrgang 92, Nr. 9, 09.2020, S. 981-998.

    Publikation: Beitrag in FachzeitschriftArtikelForschungPeer-Review

    Multicore Performance Prediction – Comparing Three Recent Approaches in a Case Study. / Lüders, Matthias; Arndt, Oliver Jakob; Blume, Holger.

    Euro-Par 2019: Parallel Processing Workshops - International Workshops, Revised Selected Papers. Hrsg. / Ulrich Schwardmann; Christian Boehme; Dora B. Heras; Valeria Cardellini; Emmanuel Jeannot; Antonio Salis; Claudio Schifanella; Ravi Reddy Manumachu; Dieter Schwamborn; Laura Ricci; Oh Sangyoon; Thomas Gruber; Laura Antonelli; Stephen L. Scott. Springer Nature, 2020. S. 282-294 (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Band 11997 LNCS).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/KonferenzbandAufsatz in KonferenzbandForschungPeer-Review


    2019


    Statistical Performance Prediction for Multicore Applications Based on Scalability Characteristics. / Arndt, Oliver Jakob; Luders, Matthias; Blume, Holger.

    2019 IEEE 30th International Conference on Application-Specific Systems, Architectures and Processors (ASAP): Proceedings. Band 2160-052X IEEE Computer Society, 2019. S. 255-262 (Proceedings of the International Conference on Application-Specific Systems, Architectures and Processors).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/KonferenzbandAufsatz in KonferenzbandForschungPeer-Review

    Multicore Performance Prediction - : Comparing Three Recent Approaches in a Case Study. / Lüders, Henrik Matthias; Arndt, Oliver Jakob; Blume, Holger Christoph.

    2019. Beitrag in International Workshop on Algorithms,
    Models and Tools for Parallel Computing on
    Heterogeneous Platforms, Göttingen, Deutschland.

    Publikation: KonferenzbeitragPaperForschung


  • Forschungsprojekte

    Prozessorarchitekturen

    • ZuSE-KI-mobil
      Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl von Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind. Ziel des Vorhabens ist die Entwicklung einer Prozessorplattform für die Entwicklung hoch performanter Elektronik für rechenintensive KI-Anwendungen. Als Kernkomponente wird ein KI-Beschleuniger mit einer flexiblen, erweiterbaren und skalierbaren System-on-Chip –Architektur (SoC) entwickelt. Um einen niedrigen Energieverbrauch zu erreichen, wird der Beschleuniger für KI-Algorithmen im Bereich des autonomen Fahrens optimiert und in der energieeffizienten 22-nm-FDX-Halbleitertechnologie gefertigt. Darüber hinaus wird ein Ökosystem aufgebaut, das ein Entwicklungssystem sowie ein deutsches Partnernetzwerk mit Know-how im KI-Hardware-Entwurf vereint. Die Flexibilität und Skalierbarkeit der Leistungsdaten der Prozessorplattform wird anhand von Demonstratoren verifiziert. Der rechenstarke KI-Beschleuniger, die flexible und skalierbare SoC-Architektur sowie das Ökosystem bilden eine Plattform für die kostengünstige Entwicklung anwendungsspezifischer KI-Hardware in Deutschland und sind für zukünftige Innovationen breit einsetzbar.
      Leitung: Prof. Dr.-Ing. Holger Blume
      Team: Matthias Lüders, M.Sc., Günther Meyer, M.Sc.
      Jahr: 2020
      Förderung: BMBF
      Laufzeit: Mai 2020 - April 2023

    Systementwurf

    • ZuSE-KI-mobil
      Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl von Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind. Ziel des Vorhabens ist die Entwicklung einer Prozessorplattform für die Entwicklung hoch performanter Elektronik für rechenintensive KI-Anwendungen. Als Kernkomponente wird ein KI-Beschleuniger mit einer flexiblen, erweiterbaren und skalierbaren System-on-Chip –Architektur (SoC) entwickelt. Um einen niedrigen Energieverbrauch zu erreichen, wird der Beschleuniger für KI-Algorithmen im Bereich des autonomen Fahrens optimiert und in der energieeffizienten 22-nm-FDX-Halbleitertechnologie gefertigt. Darüber hinaus wird ein Ökosystem aufgebaut, das ein Entwicklungssystem sowie ein deutsches Partnernetzwerk mit Know-how im KI-Hardware-Entwurf vereint. Die Flexibilität und Skalierbarkeit der Leistungsdaten der Prozessorplattform wird anhand von Demonstratoren verifiziert. Der rechenstarke KI-Beschleuniger, die flexible und skalierbare SoC-Architektur sowie das Ökosystem bilden eine Plattform für die kostengünstige Entwicklung anwendungsspezifischer KI-Hardware in Deutschland und sind für zukünftige Innovationen breit einsetzbar.
      Leitung: Prof. Dr.-Ing. Holger Blume
      Team: Matthias Lüders, M.Sc., Günther Meyer, M.Sc.
      Jahr: 2020
      Förderung: BMBF
      Laufzeit: Mai 2020 - April 2023