Skip to main content Skip to main navigation

Projekt

ENGAGE

NExt GeNeration ComputinG Environments for Artificial intelliGEnce

ENGAGE ist ein Projekt im Rahmen der strategischen Forschungs- und Innovationsagenda von DFKI und Inria im Bereich Künstliche Intelligenz. ENGAGE ist ein Projekt an der Schnittstelle von Big Data, High Performance Computing (HPC) und Künstlicher Intelligenz (KI). Tiefe, neuronale Netze (DNN) werden zunehmend ein Werkzeug für zahlreiche industrielle Anwendungsfelder, bringen jedoch einige wesentliche Nachteile mit sich. Häufig fehlen die benötigten, umfangreichen, qualitativ hochwertigen Trainingsdaten für die Erstellung hinreichend robuster und neutraler neuronaler Netze. ENGAGE entwickelt daher Verfahren, wie synthetische Trainingsdaten mit parametrisierten Modellen simuliert werden können. Im Hinblick auf eine spätere industrielle Nutzung untersucht und implementiert ENGAGE automatisierte Methoden zur Detektion schlechter werdender Modellperformanzen sowie Ansätze, neue Modelle hochoptimiert auf die jeweilige Hardware on the fly und epochenlos nachzutrainieren sowie in einer heterogenen HPC-Cloud-Edge-Umgebung automatisiert und im laufenden Betrieb verteilen. Die in ENGAGE entwickelten Ansätze sind eine Voraussetzung für zuverlässige, dauerhaft selbstlernende und performante KI-basierte Systeme. Anwendungsfelder für derartige Umgebungen kommen u.a. aus den Bereichen Industrie 4.0, Smart Living, Smarte Energienetzwerke sowie autonomes Fahren.

Partner

Institut national de recherche en sciences et technologies du numérique (INRIA)

Fördergeber

BMBF - Bundesministerium für Bildung, Wissenschaft, Forschung und Technologie

01IS21106

BMBF - Bundesministerium für Bildung, Wissenschaft, Forschung und Technologie

Publikationen zum Projekt

Michael Kenzel; Stefan Lemme; Richard Membarth; Matthias Kurtenacker; Hugo Devillers; Markus Steinberger; Philipp Slusallek

In: Proceedings of the 37th IEEE International Parallel & Distributed Processing Symposium (IPDPS). IEEE International Parallel & Distributed Processing Symposium (IPDPS-2023), May 15-19, St. Petersburg, FL, USA, Pages 736-745, IEEE, 5/2023.

Zur Publikation

Melvin Chelli; Cédric Prigent; René Schubotz; Alexandru Costan; Gabriel Antoniu; Loïc Cudennec; Philipp Slusallek

In: Proceedings of the IEEE International Conference on Cluster Computing. IEEE International Conference on Cluster Computing (Cluster-2023), October 31 - November 3, Santa Fe, New Mexico, USA, IEEE, 2023.

Zur Publikation

Manuela Schuler; Richard Membarth; Philipp Slusallek

In: David Kaeli (Hrsg.). ACM Transactions on Architecture and Code Optimization (TACO), Vol. 20, No. 1, Pages 17:1-17:25, ACM, 12/2022.

Zur Publikation