Das RatatoskrM3D-Simulationsframework, das an unserem Lehrstuhl entwickelt wurde, ermöglicht die Erforschung von 3D Networks-on-Chip (NoCs) und deren aufkommenden Herausforderungen. Der Schwerpunkt liegt auf heterogenen 3D-NoCs, die komplexe Entwurfsaspekte wie unterschiedliche Routeranzahlen und Taktbereiche zwischen den Schichten mit sich bringen. Das Projekt bietet vielfältige Forschungs- und Entwicklungsmöglichkeiten für Studierende in den Bereichen Computerarchitektur, Hardwaresimulation und System-Level-Design. Studierende können zur Erweiterung des Simulators, zur Modellierung neuer Architekturen und zur aktiven Mitarbeit an der 3D-NoC-Forschung beitragen.
- Forschungsprojekt oder Bachelor-/Masterarbeit
- Betreuer: M.Sc Max Tzschoppe
In dieser Arbeit soll ein Lineares Programm erstellt und implementiert werden, mit Hilfe dessen Operatorgraphen auf ein FPGA abgebildet werden. Der Fokus liegt hier auf der mathematischen Modellierung der Problemstellung. Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Martin Wilhelm
In dieser Arbeit sollen verschiedene Maße für die Qualität eines Network-on-Chips evaluiert und miteinander verglichen werden. Dazu sollen mittels eines NoC-Simulators aussagekräftige Beispiele erstellt und alternatie Messgrößen vorgeschlagenen werden. Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Martin Wilhelm
Die Arbeit umfasst die Analyse verschiedener Hardwarekomponenten eines System on Chip aus AMDs Versal-Reihe in unterschiedlichen Mixed-criticality Szenarien. Dabei können sowohl der Network-on-Chip als auch der KI-Beschleuniger untersucht werden.
Mixed-criticality Systeme sind Softwareanwendungen, in denen einzelne Tasks eine unterschiedliche Bedeutung und Priorität für das Gesamtsystem besitzen. Um Modelle zu entwickeln, die das Verhalten der jeweiligen Hardwarekomponenten realistisch abbilden und verlässliche Vorhersagen ermöglichen, muss das Timing der einzelnen Tasks präzise analysiert werden
- Forschungsprojekt oder Bachelor-/Masterarbeit
- Betreuer: M.Sc. Vincent Sprave
Entwicklung von Embedded-Vision-Algorithmen. Erforderliche Kenntnisse: C, High-Level-Synthese, Bildverarbeitung, FPGA-Programmierung von Vorteil.
Diese Arbeit untersucht bestehende Beschleunigerarchitekturen wie GPUs, TPUs, FPGAs und adaptive SoCs für Echtzeit Hochfeld-MRT-Systeme Anwendungen. Der Student identifiziert Engpässe mithilfe von Modellen wie dem Roofline-Modell, profiliert bestehende Algorithmen und schlägt neue parallele Rechenpfade vor, die die ausgewählte Hardwarearchitektur nutzen, um den zugewiesenen Algorithmus zu beschleunigen.
Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Daniele Passaretti
Diese Abschlussarbeit hat zum Ziel, bestehende Lösungen zu untersuchen und neue Methoden für Remote Direct Memory Access (RDMA) in heterogenen Rechnerarchitekturen wie GPU, FPGA und TPU vorzuschlagen, die auf datenintensive Anwendungen mit geringer Latenz abzielen, wie beispielsweise die Hochfeld-MRT-Systeme.
Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Daniele Passaretti
Diese Arbeit untersucht bestehende RISC-V-Befehlssatzarchitekturen und ihre verschiedenen Mikroarchitektur-Implementierungen und erweitert sie für medizinische Anwendungen mit geringer Latenz, hohem Datenaufkommen und Echtzeitanforderungen, wie beispielsweise die Hochfeld-MRT-Systeme. Der Student identifiziert Engpässe mithilfe von Modellen wie dem Roofline-Modell, untersucht die Anpassung von Datenformaten und Erweiterungen der Datenverarbeitung wie FFT-Einheiten, um eine angepasste ISA für medizinische Anwendungen zu identifizieren.
Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Daniele Passaretti
Das Ziel dieser Abschlussarbeit ist es, die vorhandene AI-Engine zu nutzen, um die Datenverarbeitung in der Nähe des Sensors in Ultra-Hochfeld-MRT-Systemen zu beschleunigen, wodurch eine Datenreduktion in der Nähe des Sensors und damit eine Leistungsoptimierung ermöglicht wird, Echtzeitanforderungen erfüllt werden und die Nachbearbeitung der Daten erleichtert wird.
Das Thema ist für Master- oder motivierte Bachelor-Studenten geeignet.
- Bachelor/Master
- Betreuer: Dr.-Ing. Daniele Passaretti