Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Deep Learning Software Tools for High Energy Efficiency |
|---|---|
| Titolo del progetto di ricerca in inglese | Deep Learning Software Tools for High Energy Efficiency |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Electronic engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Il lavoro consisterà nello studio di strumenti software per il training di reti neurali profonde da alta efficienza energetica L’estensione riguarderà il supporto al power management per acceleratori ultra-low power. In ambito sistemi ULP, dovranno essere realizzate estensioni più opportune al fine di mantenere la capacità funzionali, incluso l’isolamento delle applicazioni e della fornitura di qualità funzionale nel rispetto dei limiti termici come richiesto nel progetto Multitherman, ma in presenza di forti vincoli relativi al consumo di potenza, come richiesto nel progetto Oprecomp. Le piattaforme hardware con acceleratori many-core potranno di conseguenza sfruttare il supporto hardware pianificato al fine di eseguire reti neurali profonde senza che il consumo di potenza superi gli stretti limiti imposti dalle applicazioni. |
| Descrizione sintetica in inglese | The work will consist in the study of software tools for the training of deep neural networks with high energy efficiency The extension will cover the support for power management for ultra low power accelerators. In the case of ULP systems, the most appropriate extensions will need to be achieved in order to maintain the functional capacity, including the application isolation and the provision of functional quality in compliance with the thermal limits as required in the Multitherman project, but in the presence of strong constraints on power consumption, as required in the Oprecomp project. Hardware platforms with multi-core accelerators can therefore take advantage of planned hardware support to perform deep neural networks inference and training without power consumption exceeding the tight limits imposed by applications. |
| Data del bando | 19/06/2017 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INGEGNERIA DELL'ENERGIA ELETTRICA E DELL'INFORMAZIONE "GUGLIELMO MARCONI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| a.villa@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | Fp7/Ideas-ERC |
|---|
| Data di scadenza del bando | 06/07/2017 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |