FeEdge - Neuartige Compute-in-Memory-Module für energieeffiziente Edge-KI

Weltweit werden immer mehr Daten übertragen. Um diesen Datenhunger zu beschränken, wird vermehrt an "edge nodes" geforscht. Hierbei werden Daten direkt am Ort der Entstehung verarbeitet. So können Geräte wie Wearables, Sensoren, Smartphones und Autos Daten beispielsweise lokal analysieren und mittels KI autonome Entscheidungen treffen.

Neben einem geringeren Energiebedarf haben Edge-KI-Geräte daher auch ein großes Potenzial, neue Anwendungen mit höherer Leistung zu ermöglichen und lokale eingebettete Intelligenz, Echtzeitlernen und Autonomie zu unterstützen.

Das Hauptziel dieses Projekts ist der Entwurf und die Implementierung eines hochmodernen, auf ferroelektrischen Feldeffekttransistoren (FeFET) basierenden Compute-in-Memory (CIM)-Beschleunigers für künstliche Intelligenz (AI) mit geringem Stromverbrauch. In diesem Projekt wollen wir den ersten groß angelegten Beschleuniger auf der Grundlage der CIM-Funktionalität mit FeFET-Technologie realisieren.

Das Projekt ist eine Kooperation mit der Cheng-Kung-Nationaluniversität (NKCU) in Taiwan. Neben der technologischen Zusammenarbeit werden auch Austauschaufenthalte für Studierende und Forschende geplant. Dieser geplante Austausch soll die Synergien zwischen der Expertise der NKCU und des Fraunhofer IPMS maximieren und allen Teilnehmenden wertvolle Einblicke und Kompetenzerweiterungen bieten. Dies fördert eine globale Perspektive und bereichert die Projektergebnisse durch unterschiedliche Perspektiven und Ansätze.