ScaDS Logo

CENTER FOR
SCALABLE DATA ANALYTICS
AND ARTIFICIAL INTELLIGENCE

Einfluss von Hardwaremodellen auf die Ergebnisse evolutionärer Algorithmen

Evolvable Hardware beschreibt die Idee, elektronische Schaltungen durch evolutionäre Algorithmen zu entwickeln statt sie manuell zu entwerfen. Dies verspricht insbesondere für Fehlertoleranz und bei adaptiven Systemen, aber auch im Bereich Security große Vorteile. Eine der bekanntesten Arbeiten auf diesem Gebiet stammt von Adrian Thompson, der als Hardwarebasis ein Field Programmable Gate Array (FPGA) benutzt hat. FPGAs sind integrierte Schaltkreise, deren logische Funktionen geändert werden können. Leider ist das FPGA-Modell auf dem Thompsons Arbeit beruht nicht mehr verfügbar, sodass replizierende Arbeiten auf anderen FPGAs ausgeführt werden müssen, wobei Thompsons FPGA gegebenenfalls als Hardwaremodell nachempfunden wird.

Im Rahmen der Masterarbeit sollen verschiedene Hardwaremodelle umgesetzt und verglichen werden. Geeignete Metriken für den Vergleich sind zum Beispiel Konvergenzgeschwindigkeit der evolutionären Algorithmen, Qualität und Robustheit der Ergebnisse und Nähe zum urspünglichen FPGA von Thompson.


Anforderungen:

  • Kenntnisse im Programmieren mit Python
  • Kenntnisse im Schaltungsaufbau
  • Erfahrungen mit Verilog wünschenswert



Bearbeitungszeitraum: Wintersemester 2020/2021 oder Sommersemester 2021

Kontakt: Clemens Fritzsch