At bygge energieffektiv edge AI-hardware gennem inspiration fra neuromorfisk computing
Ph.d.-forsvar, fredag den 9. oktober 2026, Simon Niklas Richter
Under sit ph.d.-forløb undersøgte Simon Richter, hvordan stadig mere avancerede AI-modeller kan flyttes fra cloud datacenter til små batteridrevne enheder, og hvordan den biologiske hjernes bemærkelsesværdige effektivitet kan inspirere hardwaredesign under stramme begrænsninger for energi og silikonareal.
Med udgangspunkt i neuromorfisk computing udviklede han event-drevet databehandling og metoder til modelkomprimering, der markant reducerer både beregninger og datatransport i moderne edge-AI-systemer. Det gør det muligt at køre større og mere avancerede modeller, som tidligere krævede GPU’er eller cloud-infrastruktur, direkte på edge-enheder med effektbudgetter på få milliwatt.
Ph.d.-studiet er gennemført ved Institut for Elektroteknik og Datalogi, Aarhus Universitet.
Dette resumé er udarbejdet af ph.d.-studerende.
Tid: Fredag, den 9. oktober 2026 kl. 14:00
Sted: Aarhus Universitet, bygning 5125, lokale 417, Finlandsgade 22, 8200 Aarhus N.
Titel på ph.d.-afhandling: Energy-efficient Hardware Accelerator Design for the Edge through Lessons from Neuromorphic Computing
Kontaktinfo: Simon Niklas Richter, e-mail: siri@ece.au.dk, tlf.: +45 50394460
Bedømmelsesudvalg:
(Forperson) Lektor Christian Fisher Pedersen, Aarhus Universitet, Danmark
Professor Kaushik Roy, Purdue University, Purdue University, USA
Professor Henk Corporaal, Eindhoven University of Technology, Holland
Hovedvejleder: Professor Farshad Moradi, Institut for Elektroteknik og Datalogi, Aarhus Universitet, Danmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk
Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Technical Sciences (GSTS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C