Engenharia Electrotécnica, Informática e área afim
Descrição da Oportunidade
- Estudar o estado da arte em abordagens de mapeamento de workload para CGRA via métodos AI, e métodos convencionais. - Familiarização com métodos existentes no grupo de trabalho, relativas à conversão de modelos ONNX para dataflow graphs (DFGs), de compilação via MLIR, e co-simulação de RISC-V + CGRA. - Determinar as representações dos DFGs e especificações arquiteturais do CGRA mais aptas para utilização em métodos de machine learning. - Desenho e implementação de um método à base de machine learning para mapeamento de DFGs para a arquitectura CGRA alvo. - Geração das configurações resultantes desse mapeamento, e dos programas para execução (via simulação) no sistema RISC-V + CGRA final - Colaboração na escrita de artigos científicos para divulgação de resultados.
Habilitações Académicas
Mestrado em engenharia eletrotécnica, informática, ou área afim;
Requisitos Mínimos
- experiência em design de hardware ou sistemas heterogêneos;- fluente em Inglês (escrito e falado)
Fatores de Preferência
- experiência em RISC-V e/ou MLIR; - familiaridade com ONNX e/ou frameworks de ML / AI; - fluente em Português e Inglês (escrito e falado)
Período de candidatura
Desde 19 Dec 2024 a 03 Jan 2025
Centro
Centro de Telecomunicações e Multimédia