Ausschreibung Abschlussarbeiten

Herkömmliche RSFQ-Schaltungen (Rapid Single Flux Quantum) erreichen einen ultraschnellen Betrieb, sind jedoch nach wie vor auf sequenzielle, speicherbasierte Datenpfade angewiesen, ähnlich wie herkömmliche digitale Systeme. Dieses Projekt untersucht eine temporäre Pipeline-Architektur, in der Informationen durch das Timing von SFQ-Impulsen und nicht durch gespeicherte Spannungszustände dargestellt werden. Durch die Weitergabe von Berechnungen über kontrollierte Impulsverzögerungen eliminiert die Pipeline Zwischenspeicher und Taktungsaufwand und ermöglicht so speicherlose und energieeffiziente Berechnungen. Das Projekt umfasst den Entwurf einer kleinen mehrstufigen zeitlichen Pipeline auf RSFQ-Basis, die Simulation ihres Zeitverhaltens und den Vergleich ihrer Leistung 
und Energieeffizienz mit einer herkömmlichen RSFQ-Pipeline. Die Arbeit leistet einen Beitrag zur Entwicklung von temporären Co-Prozessoren der nächsten Generation für supraleitende Computersysteme.
Anforderungen: 

• • Grundlegendes Verständnis des digitalen Logikdesigns und von Pipeline-/Datenflussarchitekturen. 
• • Erfahrung mit WRspice oder ähnlichen Schaltungssimulationstools für supraleitende Bauelemente. 
• • Praktische Kenntnisse in Python oder MATLAB für die Wellenformanalyse und -visualisierung. 

Referenzen: 
[1] Madhavan, A., Daniels, M. W. und Stiles, M. D. (2021). Temporal State Machines: Using Temporal Memory to Stitch Time-based Graph Computations. ACM Journal on Emerging Technologies in Computing Systems, 17(3), Artikel 28. doi.org/10.1145/3451214

Kontakt: uzma.majeed@tu-ilmenau.de

More information

In aktuellen Rechenzentrumsnetzwerken hat sich die Stream-Verarbeitung zum vorherrschenden Paradigma für groß angelegte Analysen entwickelt und ermöglicht eine Verarbeitung von Daten mit hohem Durchsatz und geringer Latenz, sobald diese generiert werden. Aufgrund digitaler Beschleuniger, z. B. CPUs, verursacht dies erhebliche Energiekosten, während das optische Rechnen eine unkonventionelle Technik ist, die eine Alternative in Bezug auf die Energieeffizienz bei Datenverarbeitungs- und Analyseaufgaben verspricht.

Allerdings ist es schwierig, eine konkrete Stream-Verarbeitungsanwendung in Stream-Primitive, z. B. Aggregation, zu zerlegen und diese den optischen Primitiven, z. B. Mittelwertbildung, zuzuordnen. Allerdings ist es eine Herausforderung, eine konkrete Stream-Verarbeitungsanwendung in Stream-Primitive, z. B. Aggregation, zu zerlegen und diese den optischen Primitiven, z. B. Mittelwertbildung, zuzuordnen. 
Das Ziel der Arbeit ist es, ein Zerlegungsmodell anhand konkreter Streaming-Aufgaben, z. B. Verkehrscharakterisierung [1], zu erstellen, die digitale und optische Implementierung für einen repräsentativen Operator zu bewerten und zu analysieren, wann die Optik in Bezug auf den Energieverbrauch Vorteile bietet. 

Anforderungen: 

• Keine Vorkenntnisse in Optik/Physik erforderlich; Grundlegende Kenntnisse der Datenstromverarbeitung und Programmierkenntnisse (z. B. Python) erforderlich 

Referenzen: 
[1] Brülhart, Cornelia, et al. „Transparent TSN for Agnostic End-hosts via P4-based Traffic Characterization at 
Switches.” 2024 IEEE 49th Conference on Local Computer Networks (LCN). IEEE, 2024.

Kontakt: wenfei.huang@tu-ilmenau.de

More information

Moderne Maschinen versuchen, ihre Umgebung zu verstehen, um die Aktionen und Reaktionen ihrer Benutzer zu verbessern. Im Audiobereich besteht eine wichtige Aufgabe darin, verschiedene Klangobjekte zu identifizieren. Genau wie für menschliche Hörer ist es hilfreich, die Anzahl der Quellen sowie die Richtung ihres Ursprungs zu kennen.

Dieses Projekt konzentriert sich auf zwei gut etablierte Aufgaben im Audiobereich: Direction of Arrival Estimation (DOA) [1-3] und Source Counting (SC) [2-5]. Vorhandene Datensätze werden verwendet, um ein rekurrentes neuronales Netzwerk zu trainieren, das sogenannte Reservoir Computing [6]. Dabei wird das Design des Netzwerks durch ein nichtlineares optisches System inspiriert und eingeschränkt, das als Reservoir für die Berechnung verwendet werden kann [7]. Das so entstandene System soll schließlich auf einem optischen Rechengerät ausgeführt werden, um die praktische Anwendung zu verifizieren. Neben der aufgabenbezogenen Genauigkeit soll auch die Rechenleistung hinsichtlich der Rechenzeit und des Energieverbrauchs untersucht werden.

Ziel des Projekts ist die Realisierung eines effizienten optischen Rechensystems, das in der Lage ist, Schallquellen zu zählen und horizontal zu orten.

Betreuer: Christian Kehling, Anja Bartelmei
Gutachter: Stephan Werner, Stephan Sinzinger

More information

Eine häufige Herausforderung in der jüngsten Akustikforschung ist die automatische Erkennung und Lokalisierung von Schallereignissen in lauten Umgebungen. Dies ermöglicht es intelligenten Geräten, Sirenen in städtischen Umgebungen oder defekte Maschinen in Produktionshallen zu identifizieren. Um verschiedene Ansätze einheitlich bewerten zu können, wird ein kontrollierter Raum benötigt, um solche Szenarien mit hoher räumlicher Auflösung und reproduzierbar zu auralisieren.
Das Institut für Medientechnik bietet die Möglichkeit, ein Virtual Reality-Labor zu nutzen, das über ein eingebautes Spatial Audio Rendering System verfügt, um immersive Audioszenen zu erzeugen. Diese Szenen sind von verschiedenen Positionen im Raum wahrnehmbar und können mit Ambisonics bis zur 4. Ordnung oder WFS-basiertem Spatial Rendering des Fraunhofer IDMT wiedergegeben werden.

Ziel dieses Projekts ist es, mit diesen Systemen mehrere Szenen zu erstellen, die eine verrauschte Umgebung mit mehreren Audioereignissen imitieren, den Inhalt in einem etablierten Dateiformat (d.h. .aaf) zu annotieren, ein modernes System zur Lokalisierung von Schallquellen (SSL) und zur Erkennung von akustischen Ereignissen (AED) zu validieren und die verschiedenen Rendering-Systeme im Hinblick auf eine genaue und plausible Auralisierung der Signale zu vergleichen.

More information