HyDRA - Hybride KI-Beschleuniger für neuromorphes Computing

HyDRA - Hybride KI-Beschleuniger für neuromorphes Computing

Projektlaufzeit: 2025

© Fraunhofer IPMS
Übersicht der hybriden KI-Beschleuniger Gesamtinnovation. Hierbei erlauben optimierte Digital-Analog (D/A) und Analog-Digital (A/D) Wandler die direkte Anbindung des parallelen analogen Kerns an die digitale Domäne, skizziert durch die parallele digitale Ein- und Ausgabe von Matrixdaten.
© Fraunhofer IPMS
Verhältnis der Output Rate eines analogen Kerns (10k analoge Output Channel) über der Konversionsrate der ADCs in Abhängigkeit mit der Anzahl der integrierten ADCs (z.B. ADC-Array). Die Farbprogression gibt die verschiedenen Output Rates der einzelnen analogen Output Channel wieder. Die gestrichelte Linie markiert somit die optimale Balance zwischen Output und Konversion, alles über dieser Linie liegt im ADC Bottleneck in welchem die Wandler einen Datenstau verursachen.

HyDRA konzentiert sich auf die Entwicklung hybrider KI-Beschleuniger, die die Vorteile analoger Rechenkerne mit optimierten Digital-Analog-Wandlern (DACs) und Analog-Digital-Wandlern (ADCs) vereinen. Angesichts der wachsenden Anforderungen an die Verarbeitung von Künstlicher Intelligenz (KI) in modernen Technologien zielt das Projekt darauf ab, eine effiziente und skalierbare Architektur zu schaffen, die eine nahtlose Integration in digitale Systeme ermöglicht.

Ziel des Projektes
Das Hauptziel von HyDRA ist die Überwindung von Konversionsengpässen zwischen analogen und digitalen Domänen. Durch die Entwicklung von innovativen Wandlern, die speziell auf die Bedürfnisse neuromorpher Rechenkerne abgestimmt sind, soll eine effiziente Signalverarbeitung gewährleistet werden, um die Effizienz und Geschwindigkeit von KI-Anwendungen zu steigern.

 

Innovationen und Vorteile
HyDRA bringt mehrere Schlüsselinnovationen mit sich:

  • Optimierte Wandlerarchitekturen: Die Entwicklung von Multiplying DACs (MDACs) ermöglicht die gleichzeitige Verarbeitung von MAC-Operationen (Multiplikation und Akkumulation), was die Effizienz erhöht.
  • Anpassung an KI-Anforderungen: Die neuen ADC-Designs sind speziell auf die hohen Anforderungen paralleler KI-Rechenkerne ausgerichtet, was die Latenz verringert und den Energieverbrauch optimiert.
  • Skalierbarkeit: Die neu entwickelten Technologien sind darauf ausgelegt, die steigenden Anforderungen des KI-Marktes zu erfüllen und unterstützen die Integration in bestehende digitale Systemlandschaften.

Projektpartner:

Eine Zusammenarbeit mit TileCore, Fraunhofer IIS und Fraunhofer EMFT im Rahmen des »QNC Space« - dem Deep Tech Accelerator für Forschungsgruppen, Start-ups und KMU im Bereich Quanten- und neuromorphen Computing.

Der QNC Space ist Teil der »Forschungsfabrik Mikroelektronik Deutschland – Module Quanten- und neuromorphes Computing« (FMD-QNC), einem gemeinsamen Vorhaben der 13 FMD-Institute, der vier Fraunhofer-Instituten ILT, IMWS, IOF und IPM, sowie dem Forschungszentrum Jülich und der AMO GmbH.

Unterstützt durch:

 

QNC Space

Deep Tech Accelerator für Forschungsgruppen, Start-ups und KMU