Product news

Sensorsysteme, die auf herkömmlichen Computerarchitekturen basieren, speichern und verarbeiten Daten an verschiedenen Orten, was das Verschieben und Verarbeiten der Messdaten in verschiedenen Teilen des Systems erfordert und zu einem höheren Verbrauch von Zeit und Energie führt ("Von-Neumann-Engpass"). Neuromorphes Computing löst dieses Problem durch das Auslassen des mühsamen Datentransfers zwischen Prozessor und Speicher, was die Latenzzeiten sowie den Energieverbrauch für komplexe Berechnungs- und Übertragungsprozesse minimiert. Dies macht die Technologie besonders interessant für KI-Anwendungen.
Im Rahmen des TEMPO-Projekts haben die Wissenschaftler des Fraunhofer EMFT einen ASIC mit Computing-in-Memory-Architektur entwickelt, der Berechnung und Speicherung kombiniert. Der Ansatz des neuromorphen Computings ermöglicht die lokale Berechnung der Messdaten, was zu kürzeren Reaktionszeiten und höherer Energieeffizienz führt.