Назад
Активная стадия

Разработка энергоэффективных нейросетевых моделей для встраиваемых и периферийных вычислительных систем

Направление:
Информационные технологии
Тип:
Практико-ориентированный
Код:
АОИ-2510

Цели

Создание и исследование компактных и энергоэффективных нейросетевых моделей, обеспечивающих высокое качество работы при ограниченных вычислительных ресурсах встраиваемых и периферийных устройств

Задачи

1) Аналитика 2) Разработка 3) Тестирование

Результат

Разработанные и протестированные энергоэффективные нейросетевые модели, оптимизированные под различные типы встраиваемых платформ; программные модули для сжатия, квантования и ускорения нейросетевых архитектур; рекомендации по применению разработанных методов в практических задачах технического зрения, классификации и обработки сигналов.

Этапы проекта

  • 1.
    Весенний семестр 2025/2026 учебного года

  • 2.
    Осенний семестр 2026/2027 учебного года

Актуальность

Проект направлен на разработку облегчённых нейросетевых архитектур, способных работать в условиях низкой производительности и ограниченного энергопотребления. В ходе работы предполагается изучить современные методы уменьшения размеров моделей, включая сжатие, прореживание параметров, квантование. Особое внимание будет уделено адаптации нейросетей под реальные сценарии использования на микроконтроллерах, одноплатных компьютерах и периферийных системах. Предложенные решения должны обеспечить баланс между точностью, скоростью и энергоэффективностью, что позволит внедрять интеллектуальные алгоритмы в устройства, ранее не рассчитанные на работу с искусственным интеллектом.

Практическая значимость

Разработанные модели позволят расширить возможности встраиваемых систем, обеспечив выполнение интеллектуальных функций без необходимости подключения к облачным вычислениям. Энергоэффективные нейросети могут быть внедрены в бытовую электронику, сенсорные системы, робототехнику, промышленное оборудование и устройства Интернета вещей. Использование компактных моделей способствует снижению энергопотребления, что особенно важно для автономных устройств, питающихся от батарей. Внедрение разработанных технологий позволит повысить надёжность и скорость обработки данных на месте их возникновения, что критически важно для задач безопасности, мониторинга и технического зрения.

Целевая аудитория

Образовательные и исследовательские организации, проводящие работы в области искусственного интеллекта; производители и разработчики встраиваемых систем и микроконтроллеров; компании, работающие в сфере автоматизации, робототехники и IoT; государственные и коммерческие структуры, реализующие проекты в области цифровизации и энергоэффективных технологий.

Научная новизна

Не предусмотрена

Требуемое финансирование

  • Не предусмотрены

Источники финансирования

  • Не предусмотрены

Другие проекты направления

Кафедра ЭБ
Активная стадия

Цифровой обучающий комплекс по применению инструментов аналитики данных государственных информационных систем для осуществления контрольно-ревизионной деятельности

Управление в социальных и экономических системах
Направление:
Проектное обучение
Тип проекта:
Практико-ориентированный