Effiziente und zeitnahe Berechnungen von Algorithmen des maschinellen Lernens (ML) sind heute besonders wichtig, besonders in Bereichen wie autonomes Fahren, Internet der Dinge (IoT) und Edge Computing. Convolutional Neural Networks (CNNs), eine Schlüsseltechnik im ML, erfordern erhebliche Rechenressourcen. Um diese Anforderungen zu erfüllen, werden oft ML-Beschleuniger wie General Purpose Graphic Processing Units (GPGPUs) verwendet. Allerdings verursachen GPGPUs einen hohen Stromverbrauch, was die Auswahl des optimalen Beschleunigers zu einer komplexen, manuellen Design Space Exploration (DSE) macht.

Christophers Dissertation, die er in der Arbeitsgruppe des DSC Sprechers und Mitbegründers Rolf Drechsler schrieb, stellt innovative Ans?tze zur Optimierung des DSE-Prozesses vor. Sie entwickelt Techniken, um den Stromverbrauch und die Leistung von CNNs w?hrend der Ausführung pr?zise vorherzusagen. Dies erm?glicht es Entwicklern, den Stromverbrauch und die Leistung von GPGPUs bereits in den frühen Entwicklungsphasen abzusch?tzen, ohne reale Ger?te nutzen zu müssen, was die Anzahl notwendiger Prototypen erheblich reduziert. Zudem müssen Entwickler entscheiden, ob eine Anwendung auf einem IoT-Ger?t oder in der Cloud implementiert wird, wobei das verfügbare Netzwerk, die Bandbreite und die Latenzzeit entscheidend sind. Die Dissertation stellt ein System vor, das Entwicklern bei diesen Entscheidungen hilft, indem es das verfügbare Netzwerk, die Bandbreite und die Latenzzeit berücksichtigt, sodass fundierte Entscheidungen unter Berücksichtigung von Energie- und Leistungsanforderungen getroffen werden k?nnen.

Das gesamte Team des DSC freut sich sehr über die erfolgreiche Verteidigung am 29. Mai 2025 und gratuliert Dr. Christopher Metz!

Fragen beantwortet:

Dr. Lena Steinmann
DSC Koordinatorin
Tel. +49 (421) 218 - 63941
E-Mail: lena.steinmannprotect me ?!uni-bremenprotect me ?!.de