FORSCHUNGSBEREICH
Die Forschung konzentriert sich auf signifikante Verbesserungen der Leistung und Genauigkeit bei anwendungsspezifischen Berechnungen durch eine globale Optimierung des gesamten Spektrums an numerischen Methoden, Algorithmenentwurf, Softwareimplementierung und Hardwarebeschleunigung.
Diese Ebenen haben in der Regel widersprüchliche Anforderungen und ihre Integration stellt viele Herausforderungen dar. So weisen numerisch überlegene Methoden wenig Parallelität auf, bandbreiteneffiziente Algorithmen verwickeln die Verarbeitung von Raum und Zeit in unüberschaubare Softwaremuster, Hochsprachenabstraktionen schaffen Barrieren für Datenlayout und Komposition, und hohe Leistung auf heutiger Hardware stellt strenge Anforderungen an parallele Ausführung und Datenzugriff. Eine hohe Leistung und Genauigkeit für die gesamte Anwendung kann nur erreicht werden, wenn diese Anforderungen über alle Schichten hinweg ausgeglichen werden.
Den folgenden Themen wird besondere Aufmerksamkeit gewidmet: Verfahren mit gemischter Genauigkeit, Mehrgitterverfahren, adaptive Datenstrukturen, Datenrepräsentation, Bandbreitenoptimierung, rekonfigurierbares Rechnen.
Gruppe: Prof. Robert Strzodka
Computerarchitekturen, die über die traditionellen von-Neumann-Konzepte hinausgehen, werden benötigt, um den ständig steigenden Verarbeitungsbedarf in den Bereichen künstliche Intelligenz, fortgeschrittene Datenverarbeitung und Post-Quantum-Sicherheit zu decken. Wir entwickeln Rechensysteme, die von der Struktur des Gehirns und den jüngsten Fortschritten in der Quantenphysik inspiriert sind, um massiv parallele und stromsparende Lösungen für die anspruchsvollsten Anwendungen zu entwickeln.
Wir haben das beschleunigte analoge neuromorphe System BrainScaleS entwickelt. BrainScaleS basiert auf der CMOS-Mikroelektronik-Technologie und ist ein flexibel konfigurierbares analoges Rechensystem. Es bietet eine Plattform für die experimentelle Erforschung neuartiger Rechenparadigmen, die auf analogem Rechnen basieren. Mögliche Anwendungen reichen von der Emulation von Gehirnen mit ereignisgesteuerter ("Spikes") Kommunikation und strukturierten Neuronen bis hin zu analoger linearer Algebra und tiefen neuronalen Netzen mit Faltungsfunktion.
Neben der Entwicklung neuartiger Hardwarekonzepte konzentrieren wir uns auch auf die Softwareunterstützung, um analoges Rechnen in die heutige allgegenwärtige digitale Infrastruktur zu integrieren. BrainScaleS ist Teil der kommenden europäischen EBRAINS-Forschungsinfrastruktur für digitale Neurowissenschaften.
Wir entwerfen integrierte photonische Schaltungen für neuromorphes und Quanten-Computing und stellen in unseren Reinräumen Systeme im Nanomaßstab her. Sowohl die integrierten optischen Chips als auch die Steuerperipherie werden im eigenen Haus hergestellt, wobei wir auf Präzisions-Nanoverarbeitung und Nanoanalytik zurückgreifen. Photonische Berechnungsansätze bieten massive Steigerungen des Durchsatzes und der Verarbeitungsgeschwindigkeit, um unkonventionelle Berechnungen jenseits der Möglichkeiten von Von-Neumann-Computern zu ermöglichen. Durch die Verschmelzung von durch das Gehirn inspirierten Architekturen mit Konzepten aus der Quantenphysik wollen wir vielseitige Architekturen für Quantencomputing, Quantenkommunikation und Quantensimulation realisieren.
Gruppe: Prof. Wolfram Pernice
Gruppe: PD. Johannes Schemmel
Mikroelektronische Schaltungen werden entwickelt, getestet und eingesetzt. Diese Mikrochips enthalten oft extrem empfindliche, rauscharme Verstärker zur Erfassung von Sensordaten und Module zur weiteren analogen und digitalen Signalverarbeitung. Die entscheidenden Teile solcher Chips werden vollständig manuell entworfen. Sie werden auf der analogen Ebene simuliert, um eine maximale Leistung zu erreichen. Die Designs werden in modernsten CMOS-Technologien gefertigt und hier in der Gruppe in Betrieb genommen. Ein typischer Anwendungsfall besteht nicht nur aus dem Entwurf des Chips, sondern umfasst auch den Aufbau geeigneter Steuerungs- und Datenerfassungssysteme, die Steuerung und Synchronisation aller Komponenten und die Analyse der Messdaten.
Zu den jüngsten Entwicklungen gehören hochintegrierte Schaltungen für die Positronen-Emissions-Tomographie, Ausleseelektronik für DEPFET-Sensoren für den zukünftigen ILC-Detektor, Chips für die Detektion von Röntgenstrahlung mit hybriden Pixelsensoren, neuartige monolithische Pixelsensoren, Entwicklung der Front-End-Elektronik für das CBM-Experiment bei FAIR an der GSI, Hochgeschwindigkeitsmikroskopie im Rahmen des Viroquant-Projekts, Detektoren für Synchrotron-Experimente bei DESY, ESRF und dem zukünftigen XFEL sowie Schaltungsentwurfstechniken für die Erzeugung von geheimen Schlüsseln für die Kryptographie.
In der Gruppe von Prof. Hamprecht umfassen die Forschungsthemen Lernalgorithmen für die Bildanalyse und ihre Anwendungen auf die Segmentierung biologischer Bilder und darüber hinaus und Tracking.
Prof. Rothers Interessen liegen ebenfalls im Bereich des maschinellen Sehens und Lernens - vom Deep Learning über grafische Modelle bis hin zur intelligenten Datengenerierung. Es wird eine breite Palette von Anwendungen untersucht, wie z. B. Bildbearbeitung, Bildabgleich, Szenenverständnis und Bio-Imaging.
