KEYWORD |
Area Ingegneria
Valutazione degli Effetti dei Guasti Hardware sul Training delle Reti Neurali negli Acceleratori di AI
Parole chiave ACCELERATORI HARDWARE, NEURAL NETWORKS, TOLLERANZA AL GUASTO
Riferimenti ANNACHIARA RUOSPO, EDGAR ERNESTO SANCHEZ SANCHEZ
Gruppi di ricerca DAUIN - GR-05 - ELECTRONIC CAD & RELIABILITY GROUP - CAD, DAUIN - GR-05 - ELECTRONIC CAD and RELIABILITY GROUP - CAD
Tipo tesi RICERCA, SPERIMENTALE
Descrizione Gli acceleratori di Intelligenza Artificiale (AI) sono hardware specializzati progettati per migliorare le prestazioni computazionali delle reti neurali. Tuttavia, man mano che l’hardware si riduce in termini di nodi e opera sotto richieste di prestazioni sempre più elevate, diventa sempre più suscettibile a guasti casuali, come errori di bit e guasti transitori. Questa tesi mira a valutare sistematicamente l’impatto dei guasti hardware sui processi di training delle DNN negli acceleratori di AI. I risultati contribuiranno a comprendere come tali guasti influenzano l’accuratezza del training, il comportamento di convergenza e la robustezza del modello, offrendo preziose informazioni per la progettazione di sistemi tolleranti ai guasti. La tesi è in collaborazione con Ecole Centrale de Lyon e Intel. La tesi è da svolgere al Politecnico di Torino.
Conoscenze richieste - Basics of Computer Architectures
- Basics of Deep Learning
- Python and libraries like PyTorch
- C, C++
Scadenza validita proposta 21/01/2026
PROPONI LA TUA CANDIDATURA