13.04.2022

TEMPO | Technologie und Hardware für neuromorphes Computing Newsroom | Projektportraits | Romy Zschiedrich

Pixabay

Innovative Mikroelektronik für aktuelle gesellschaftliche Herausforderungen, wie beispielsweise autonomes Fahren Autonomes Fahren bezeichnet das selbstständige, zielgerichtete Fahren eines Fahrzeugs ohne das Eingreifen eines menschlichen Fahrers. Das Fahrzeug bewegt sich durch ein Zusammenspiel aus Sensoren, Aktoren und Mikroprozessorsystemen, die sowohl einzeln als auch gemeinsam zuverlässig und vertrauenswürdig arbeiten müssen, damit die Sicherheit der Insassen gewährleistet werden kann. Benötigte Technologien hierbei sind Videokameras, Radarsensoren, LiDAR-Sensoren und GPS-Systeme.  , Smart Home Systeme oder intelligente Industrierobotik, hat eine stetig steigende Anzahl von Sensoren und anderer elektronischer Bauteile zur Aufnahme und Verarbeitung von Daten zur Folge. Trotz immens steigender Datenmengen muss dennoch der Bedarf an Speicher- und Übertragungskapazität reduziert werden − nur dann ist eine breite Nutzung hochkomplexer autonomer Systeme möglich.

Neuromorphes Computing ist ein neuer Ansatz für das Design von mikroelektronischen Chips, der sich von den leistungsstarken und effizienten biologischen neuronalen Netzen inspirieren lässt. Neuromorphe Chips sind in der Lage, Daten mit ultraniedriger Leistungsaufnahme zu erfassen, auszuwerten und zu steuern. Um die Technologie an die Anforderungen von realen Anwendungen in zukünftigen Produkten weiterzuentwickeln, ist noch Forschungsarbeit in Bezug auf neuromorphe Algorithmen und Hardware-Design nötig. Besonders der Bereich nichtflüchtiger Speicher Nichtflüchtige Speicher (Non-Volatile Memory, NVM) sind Datenspeicher, die ihre einmal eingegebenen Daten permanent und ohne zusätzliche Energiezufuhr speichern. Die gespeicherten Informationen bleiben auf Dauer erhalten auch wenn keine Verbindung zu einer Stromquelle besteht.   ist dabei ein zentraler Baustein der modernen Mikroelektronik und gewinnt bei Anwendungen in der künstlichen Intelligenz Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit beschäftigt, Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten ähneln. Dies kann mit vorprogrammierten Regeln oder durch maschinelles Lernen erreicht werden.  , beim Maschinellen Lernen und beim neuromorphen Rechnen stark an Bedeutung.


Pixabay

Ziel des Projekts TEMPO ist es, die Energieeffizienz neuromorpher Hardware deutlich zu verbessern, um neuartige Anwendungen für KI Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit beschäftigt, Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten ähneln. Dies kann mit vorprogrammierten Regeln oder durch maschinelles Lernen erreicht werden.  , IoT Internet of Things (IoT) oder das Internet der Dinge ist ein Sammelbegriff für Technologien einer globalen Infrastruktur der Informationsgesellschaften, die es ermöglicht, physische und virtuelle Objekte miteinander zu vernetzen und sie durch Informations- und Kommunikationstechniken zusammenarbeiten zu lassen.   und Edge Computing Edge Computing bezeichnet die Datenverarbeitung (zum Beispiel von Sensordaten) an Ort und Stelle. Dies ist bei vielen Anwendungen hilfreich, wie beispielsweise beim autonomen Fahren oder in der selbstlernenden Produktion.   zu ermöglichen. Die Forschenden setzen dabei neue integrierte Speichertechnologien in innovativen Konzepten für die Realisierung analoger und digitaler neuromorpher Schaltungen ein. Die Speicher- und Chipentwicklung wird hierbei durch alle Verwertungsebenen von der angewandten Forschung über die IP-Generierung bis hin zu integrierten Systemen getrieben. Die im Projekt entworfenen und gefertigten Chips sollen v.a. für Klassifikationsaufgabestellungen in Bilderkennungssystemen, z.B. für das autonome Fahren Autonomes Fahren bezeichnet das selbstständige, zielgerichtete Fahren eines Fahrzeugs ohne das Eingreifen eines menschlichen Fahrers. Das Fahrzeug bewegt sich durch ein Zusammenspiel aus Sensoren, Aktoren und Mikroprozessorsystemen, die sowohl einzeln als auch gemeinsam zuverlässig und vertrauenswürdig arbeiten müssen, damit die Sicherheit der Insassen gewährleistet werden kann. Benötigte Technologien hierbei sind Videokameras, Radarsensoren, LiDAR-Sensoren und GPS-Systeme.  , als auch für die Verarbeitung weiterer Sensordaten, z.B. von Radarsystemen, Einsatz finden.

Das Fraunhofer IPMS beschäftigt sich im Rahmen des Projekts mit der technologischen Umsetzung von mikroelektronischen Komponenten mit besonders niedriger Leistungsaufnahme. Ein Teilaspekt davon sind neuartige Speicherkonzepte sowie die Integration zusätzlicher Funktionsmodule aus ferroelektrischen Kondensatoren in die BEoL Back-End-of-Line (BEoL) (dt. »hinteres Ende der Produktionslinie«) ist der zweite Teil der IC-Fertigung, bei dem die einzelnen Bauelemente (Transistoren, Kondensatoren, Widerstände usw.) mit der Verdrahtung auf dem Wafer, der Metallisierungsschicht, zusammengeschaltet werden.  -Ebene von Chips zur Realisierung von BEoL-FeFET-Speicherarrays.

Weiterführende Info

Die Beiträge der Fraunhofer EMFT fokussieren sich auf die Entwicklung von Schlüssel-IPs für die analoge und Mixed-Signal Signalverarbeitung für neuromorphe Strukturen. Ziel ist es, für bestehende mobile und portable Sensorsysteme eine Signalverarbeitung zu entwickeln, die eine Reduzierung der Leistungsaufnahme um einige Größenordnungen ermöglicht.

Weiterführende Info

Ein Teil des Beitrages des Fraunhofer IIS ist die Koordinierung der Entwicklung eines digitalen Deep-Learning-Inference-Beschleuniger-ASIC in 22FDX® zusammen mit dem Projektpartner videantis GmbH. In diesem Rahmen entwickelt das Fraunhofer IIS eine DeCompressor Unit, um so die benötigten externen Speicherzugriffe des ASICs zu minimieren. Darüber hinaus kollaboriert das Fraunhofer IIS mit dem Fraunhofer EMFT bei der Entwicklung eines Mixed-Signal-Test-Chips.

Weiterführende Info

TEMPO auf einen Blick

Projektlaufzeit

06/2019 – 04/2022

Projektvolumen

35,08 Mio. Euro Gesamtfördersumme

EU und Mitgliedsstaaten: 20,03 Mio Euro; Deutsches Projektvolumen: 18,96 Mio Euro

Deutsche Projektpartner

Infineon Technologies AG (Verbundkoordinator)

Fraunhofer-Institut für Photonische Mikrosysteme IPMS

Fraunhofer-Institut für Integrierte Schaltungen IIS

Fraunhofer-Einrichtung für Mikrosysteme und Festkörper-Technologien EMFT

Robert Bosch GmbH

InnoSenT GmbH

Valeo Schalter und Sensoren GmbH

Technische Universität Dresden

EU-Projektpartner

Belgien: Interuniversitair Micro-Electronica Centrum (IMEC)

Niederlande: Stichting IMEC Nederland, Philips Electronics Nederland B.V., ATO-Gear, Philips Medical Systems Nederland BV

Frankreich: Commisariat a l’energie atomique et aux energies alternatives, Valeo CDA, ST-Microelectronics Crolles, Thales Alenia Space, ST-Microelectronics Grenoble

Schweiz: University of Zurich, aiCTX AG

Projektziel

Verbesserung der Energieeffizienz neuromorpher Hardware

Entwurf und Fertigung neuartige Speicher-Chips

Anwendungen

Klassifikationsaufgaben in Bilderkennungssystemen, z. B. für das autonome Fahren Autonomes Fahren bezeichnet das selbstständige, zielgerichtete Fahren eines Fahrzeugs ohne das Eingreifen eines menschlichen Fahrers. Das Fahrzeug bewegt sich durch ein Zusammenspiel aus Sensoren, Aktoren und Mikroprozessorsystemen, die sowohl einzeln als auch gemeinsam zuverlässig und vertrauenswürdig arbeiten müssen, damit die Sicherheit der Insassen gewährleistet werden kann. Benötigte Technologien hierbei sind Videokameras, Radarsensoren, LiDAR-Sensoren und GPS-Systeme.  

Verarbeitung weiterer Sensordaten, z. B. von Radarsystemen

Förderung

Das Projekt wird unter dem Förderkennzeichen 826655 im Rahmen des ECSEL-Initiative durch die EU und mit dem Förderkennzeichen 16ESE0407 durch das BMBF gefördert.