InVEST Projekt

Ansprechpartner

Tim Stadtmann

Name

Tim Stadtmann

Chair of Integrated Digital Systems and Circuit Design

Telefon

work
+49 241 80-97578

E-Mail

E-Mail
 

International Virtual Engineering Student Teams Project - Enhancing International Experience Through Virtual Teams

InVEST Projektteilnahme

Als InVEST-Projektteilnehmende werden Sie Teil eines Teams von 3-4 Studenten der University of Toronto und der RWTH Aachen sein. Sie werden das Projekt als Team angehen und so viel wie möglich virtuell kommunizieren und zusammenarbeiten. Das InVEST-Programm ermöglicht den Zugang zu den modernsten virtuellen Kommunikationswerkzeugen für eine erfolgreiche Zusammenarbeit sowie spezielle Schulungen zu wichtigen Aspekten wie effektive Teamarbeit und interkulturelle Kompetenz. Das gesamte Programm ist darauf ausgelegt, nicht nur die technischen Fähigkeiten zu verbessern, sondern auch effektive Kommunikations- und Teamwork-Strategien zu vermitteln und das interkulturelle Verständnis im Kontext von geografisch verteilten Teams zu fördern. Daher wird von Ihnen erwartet, dass Sie sowohl an den technischen Aspekten als auch an den interkulturellen und virtuellen Teamwork-Arbeitsaktivitäten teilnehmen. Diese werden in 5 Sitzungen zu je 90 Minuten und in Aktivitäten außerhalb des Unterrichts durchgeführt.


Projekttitel: Automated Hardware Design Generation of Biological Neuron Models

Das Projekt zielt darauf ab, effiziente und vielleicht sogar automatisierte Methoden zur Synthese von Hardware-Designs biologisch motivierter Neuronenmodelle für neurowissenschaftliche Simulationen zu suchen und den richtigen Kompromiss zwischen einer einfach zu implementierenden generischen Methode für das Hardware-Mapping und der Effizienz und Geschwindigkeit des Modells zu finden.

Projektbeschreibung (im Original):

The project lies within the field of Neuromorphic Computing which can be divided into two application areas: Cognitive Computing and Neuroscience Simulation. Cognitive Computing encompasses the areas of Machine Learning and Artificial Neural Networks, which offer brain-inspired solutions for general purpose applications like pattern detection or robotics. The goal of Neuroscience Simulation is to study and understand principles of biological neural networks in the human brain, like cognition and learning. Focusing on the latter, the simulation of natural density networks at high acceleration with respect to real-time requires large amounts of computation. Dedicated hardware accelerators like Spinnaker, BrainScaleS and Loihi are promising platforms in this regard.

One of the many challenges faced by these accelerators is mapping the various types of neuron models to hardware designs. Finding an efficient and maybe even automatized method of synthesizing designs out of high-level neuron descriptions like in Nest/NestML increases flexibility of future acceleration platforms. Embedding new neuroscience insights concerning neural dynamics into these platforms will then take shorter design cycles than more rigid approaches that employ hard-coded designs.

The wide range of neuron models have varying amounts of complexity, ranging from simple linear differential equations that are analytically solvable to non-linears ones that are not. The key challenge will lie in finding the right trade-off between an easy-to-implement generic method for hardware mapping and the model’s efficiency and speed.

Ziele:

At the end of the project, solutions would be developed by focusing on analytically solvable neuron models, identifying commonly used ones to derive a common description in C++ that can be translated to hardware by a HLS tool like Vivado HLS. Choosing between different models might be done with simple parameters controlling the design’s functionality, either before hardware synthesis or during runtime. A more advanced solution could be the automated translation of existing descriptions in e.g. C++ or NestML into synthesizable C code for Vivado HLS. Developing these solutions would be useful in the field of robotics and pata

Voraussetzungen:

Studiengang: M.Eng, Computer Engineering (ECE) / Biomedical Engineering / MSc, Computer Science

Technisches Fachwissen:

  • Hintergrundwissen im Bereich Software Engineering
  • Interesse an Neurowissenschaften und künstlichen neuronalen Netzen
  • Erfahrung in einer Programmiersprache
  • Sehr gute Teamfähigkeit und Kommunikationsfähigkeiten

Verfügbarkeit: ab sofort bis August 2021

Bewerbungsfrist: offen bis alle Plätze besetzt sind

Erforderliche Dokumente:

  • Lebenslauf
  • Kopie des aktuellsten Transcripts
  • Motivationsschreiben, aus dem ebenfalls hervorgeht, was Sie in dieses Kooperationsprojekt einbringen werden

Interessiert? Schicken Sie Ihre Unterlagen per E-Mail mit der Betreffzeile "InVEST-Projektbewerbung" an den angegebenen Kontakt.

01.03.2021