News
New ESF junior research group "Re-Learning" launched at cfaed
Published on in NEWS
Artificial neural networks are still a long way from their biological models, especially in terms of their energy efficiency. The new cfaed junior research group "Re-Learning" of the European Social Fund (ESF) investigates novel hardware-based approaches to machine learning and has now started its kick-off event in June.
During the two-year duration of the project, ten doctoral students from nine different professorships are working under the direction of Dr. André Heinzig on the topics of "reconfigurable nanowire transistors", "organic electronics" and "adaptive system design". Instead of the conventionally used software-based algorithms on static hardware, approaches are to be investigated in which the circuit reversibly configures itself when learning the function and thus works more energy-efficiently. This path from component development to a self-learning system requires expertise in materials science, physics, electrical engineering, chemistry and computer science. By supporting the cooperation of scientists from different faculties to develop a cross-thematic overall concept, the core idea of cfaed is lived and intensified in the research group. With the help of the "Young Researcher Groups" funding programme, the aim is to train outstanding specialists and managers and strengthen regional development in key technologies.
[Deutsche Version]
Neue ESF Nachwuchsforschergruppe „Re-Learning“ am cfaed gestartet
Künstliche neuronale Netze sind insbesondere in Bezug auf ihre Energieeffizienz noch weit von ihren biologischen Vorbildern entfernt.
Die neue cfaed-Nachwuchsforschergruppe „Re-Learning“ des Europäischen Sozialfonds (ESF) untersucht neuartige hardwarebasierte Ansätze für maschinelles Lernen und startete nun mit ihrer Auftaktveranstaltung im Juni. In der zweijährigen Laufzeit des Projektes arbeiten zehn Doktoranden aus neun verschiedenen Professuren unter der Leitung von Dr. André Heinzig an den Themen „Rekonfigurierbare Nanodrahttransistoren“, „Organische Elektronik“ und „Adaptiver Systementwurf“. Anstelle von den konventionell genutzten softwarebasierten Algorithmen auf statischer Hardware, sollen Ansätze untersucht werden, in denen sich der Schaltkreis beim Erlernen der Funktion selbst reversibel konfiguriert und somit energieeffizienter arbeitet. Dieser Weg von der Bauelemententwicklung zum selbstlernenden System erfordert Fachwissen aus den Bereichen Materialwissenschaft, Physik, Elektrotechnik, Chemie und Informatik. Mit der Unterstützung des Zusammenarbeitens von Wissenschaftlern aus verschiedenen Fakultäten zur Entwicklung eines themenübergreifenden Gesamtkonzepts wird die Kernidee des cfaed in der Forschergruppe gelebt und intensiviert. Mit Hilfe des Förderprogramms „Nachwuchsforschergruppen“ sollen hervorragende Fach- und Führungskräfte ausbildet und die regionale Entwicklung in Schlüsseltechnologien gestärkt werden.