AI in the edge


"Door de co-optimalisatie van enerzijds vermogen- en energie-efficiënte AI-processoren en anderzijds geavanceerde Machine Learning taken kunnen we de prestaties van AI verbeteren, een betrouwbare communicatie met lage responstijd realiseren, een energie-efficiënte verwerking van AI opzetten en de veiligheid van de gegevens waarborgen."

Voor veel AI toepassingen worden momenteel krachtige, energieverslindende processoren gebruikt die zich in de cloud bevinden. Nochtans is het voor veel toepassingen niet mogelijk om de sensordata eerst naar de cloud te brengen om ze daar te verwerken, bijvoorbeeld omdat een lage responstijd nodig is. De oplossing? AI naar de sensoren brengen: edge computing. Dit wordt mogelijk gemaakt door de co-optimalisatie van enerzijds vermogen- en energie-efficiënte AI-processoren en anderzijds geavanceerde Machine Learning taken.

Dit toepassingsgerichte onderzoek brengt grote vooruitgang op het vlak van:

  • Gedistribueerde en hiërarchische AI-systemen
  • Geavanceerde signaalverwerking
  • Zelflerende algoritmes

Bovenstaande zaken laten het toe om meteen actie te ondernemen met lokaal verworven gegevens.

Mieke De Ketelaere imec Management team
Axel Nackaerts imec Management team and WP1 Lead: Use Cases
Bart Dhoedt UGent - IDLab WP2 Lead: Inter-device Algorithms
Wilfried Philips UGent - IPI WP3 Lead: Intra-Device Algorithms
Peter Debacker imec WP4 Lead: Software Tool Suites, Software to Hardware Mapping
Marian Verhelst KULeuven - MICAS WP5 Lead: Extreme Edge Hardware

Verschillende onderzoeksgroepen werken samen in dit onderzoekdomein. Bovenstaande tabel geeft enkel de contactpersonen weer per werkpakket.

Meer weten?