Leistungseffiziente invasive lose gekoppelte Mehrkern-Prozessoren (B03)

• Fachliche Zuordnung: Rechnerarchitektur, eingebettete und massiv parallele Systeme
• Förderung: Förderung von 2010 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 146371743

Methoden des maschinellen Lernens erlauben dem System bewusstes Dark Silicon Management auf hochparallelen invasiven Rechnern. Ziel des Dark Silicon Managements ist es, die Leistungsfähigkeit unter Rahmenbedingungen der Verlustleistung und Abwärme zu optimieren. Diese Herangehensweise wird überwachtes und nicht-überwachtes bestärkendes Lernen zur Laufzeit einsetzen, um Self-Awareness zu erreichen. Zur Laufzeit wird sensorischer Input vom iDoC Hardwaredatensammler genutzt, der repräsentatives Lernen einsetzt.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 89: Invasives Rechnen
• Antragstellende Institution: Friedrich-Alexander-Universität Erlangen-Nürnberg
• Teilprojektleiter: Professor Dr.-Ing. Jörg Henkel; Professor Dr. Andreas Herkersdorf