Scale4Edge

Skalierbare Low-Power RISC-V-basierte Prozessorplattform mit anwendungsspezifischen AI-Acceleratoren

01.05.2020 bis 30.04.2023

Ziel von Scale4Edge ist die Entwicklung und Bereitstellung eines Ökosystems für eine skalierbare und flexibel erweiterbare Edge-Computing-Plattform, welches auf der freien RISC-V-Instruktionssatzarchitektur basiert. Das Ökosystem deckt alle essenziellen Aspekte wie Low-Power, Sicherheit, Zuverlässigkeit, Verifikation, Test, Compiler, Software-Bibliotheken und Debugging ergänzt durch Spezifikation, Verifikationsplan und Dokumentation ab. Es bietet somit eine skalierbare, maßgeschneiderte Komplettlösung einschließlich Support. Hierzu gehören auch standardkonforme Entwurfsprozesse, teilweise quelloffene Software und ebenso die Sicherheit (Safety, Security) der Plattform sowie eine intensive Überprüfung und Analyse der Entwicklungen. Da auf mobilen Edge-Computing-Plattformen nur begrenzte Rechen- und Speicherressourcen zur Verfügung stehen, besteht ein hoher Bedarf an hochperformanten, eingebetteten Hardwarearchitekturen, die in der Lage sind, Deep-Learning-Verfahren für die intelligente Sensordatenauswertung energieeffizient auszuführen ohne Echtzeitanforderungen zu verletzen. Die Arbeiten der Universität Tübingen zielen darauf ab, energie- und ressourceneffiziente Hardware-Beschleuniger-Architekturen für eine RISC-V-Plattform für Edge-Computing-Systeme zu explorieren und zu entwickeln, die maßgeschneidert in ihre Umgebung eingebettet werden können und mit dieser selbstständig interagieren. Dabei sollen räumliche und zeitliche Informationen innerhalb der Eingabedaten ausgenutzt werden, um weniger wirksame Eingabekanäle zu identifizieren, deren Berechnung dynamisch zu maskieren und die Low-Power-Architekturmaßnahmen datengetrieben anzusprechen. Dies ermöglicht eine effiziente Prozessierung von Sensordatenströmen mit einer durchschnittlichen elektrischen Leistungsaufnahme deutlich unter 1 mW.