BrandingBranding
Fakultät
Mathematikon Entrance

Unsere Fakultät ist akademische Heimat von Forscher:innen, Dozent:innen, und Student:innen der Mathematik und Informatik. Ihre Institute und Betriebseinrichtungen sind untergebracht im angenehm gelegenen Mathematikon auf dem Campus Neuenheimer Feld der Universität Heidelberg. Herzlich Willkommen!

Promotion
Mathematikon Seminar Room

Die Promotion ist der Nachweis der Befähigung zu selbständiger wissenschaftlicher Forschung. Unter dem Schirm der Gesamtfakultät für Mathematik, Ingenieur- und Naturwissenschaften vergeben wir jedes Jahr über 30 Doktortitel in den Fächern Mathematik und Informatik.

Studium
Mathematikon Library

heiMATH: Ob Mathematik, Informatik oder eine interdisziplinäre Variante, mit Abschluss B.Sc., M.Sc. oder M.Ed., Berufsziel in Forschung, Schule oder Industrie: Bei uns in Heidelberg finden Sie ein reichhaltiges und erstklassiges Lehrangebot für ein anspruchsvolles Studium in einer intellektuell stimulierenden und traditionsreichen Umgebung. 

Outreach
Mathematikon Lobby

Wir fördern das Interesse an Mathematik und Informatik – durch unsere Veranstaltungen für Schulen sowie ein breites Publikum. Ehemalige und Einsteiger nehmen Teil und tragen bei zu gemeinsamem Wissen und Kontakten.

home icon
envelope icon
Hero Computer Eng
Mathematik und Informatik — Forschung

Technische Informatik

Die Technische Informatik beschäftigt sich mit der Funktionsweise, dem Aufbau und der Nutzung von Hardware zur Erfassung und Verarbeitung von Daten. Durch ein genaues Verständnis der elementaren Bauteile, von Funktionsgruppen, Chips, Rechnerarchitekturen und großen, heterogenen Rechnersystemen können – durch ‚hardwarenahe Programmierung‘ – Algorithmen an die Stärken und Schwächen der verwendeten Hardware angepasst und so in ihrer Rechenleistung und Energieeffizienz deutlich gesteigert werden. Für spezielle Computing-Anforderungen werden anwendungsspezifische Hardware/Software Kombinationen und optimierte Systemkonfigurationen eingesetzt.

Die Technische Informatik in Heidelberg ist vernetzt mit vielen Forschungsbereichen der Universität, in denen Daten erfasst werden oder rechenintensive Aufgaben zu bewältigen sind. Für Problemstellungen im Bereich von Sensorik oder Datenkommunikation hat ZITI die Kompetenz, Mikrochips von Grund auf neu zu entwerfen und in Betrieb zu nehmen. Datenkommunikation verursacht oft einen Großteil des Energieverbrauchs, dies wird auf der Hardware-Ebene, durch hardwarenahe Programmierung und angepasste Systemarchitekturen behandelt. Neben der effizienten Programmierung moderner Prozessoren werden verschiedene Koprozessoren (FPGAs, GPUs, ML Prozessoren) am ZITI betrieben, um deren spezifische Stärken auszunutzen und Methoden und Arbeitsflüsse für höchst effiziente Datenverarbeitung zu erforschen.

Chip Entwurf

Circuit Design

In der Gruppe für Schaltungstechnik werden mikroelektronische Chips entwickelt, getestet und angewandt. Diese Chips enthalten meist sehr sensitive, rauscharme Verstärker zur Signalerfassung und weitere Blöcke zur analogen Filterung, Digitalisierung oder digitalen Nachverarbeitung der Daten. Manche Chips enthalten direkt Strukturen zum Nachweis von Teilchen oder (einzelnen) Photonen. Die wesentlichen analogen Teile der Chips werden vollständig manuell entworfen und simuliert. Komplexe digitale Teile werden mit geeigneten Sprachen beschrieben und mit einer aufwändigen Software in mehreren Schritten in ein Layout übersetzt. Beide Teile werden dann vereint. Die Chips werden in modernen CMOS Technologien hergestellt und in der Arbeitsgruppe mit geeigneter Auslesehardware (meist FPGA Boards) in Betrieb genommen.

Beispielprojekte sind Chips zur Auslese von Teilchendetektoren (s. Bild), Detektorchips für Einzelphotonen zur Suche nach dunkler Materie oder für die Mikroskopie, Hybride Pixeldetektoren zum Nachweis von Synchrotron-Röntgenstrahlen beim Eu-XFEL oder an der ESRF oder Chips für State-of-the-Art PET Scanner.

Rechnersysteme

Computing Systems

Die Forschung im Bereich der Rechensysteme befasst sich heute vor allem mit spezialisierten Formen des Rechnens in Kombination mit der nahtlosen Integration in bestehende Systeme. Spezialisierte Rechensysteme, z. B. auf der Grundlage von GPUs (wie sie für Gaming bekannt sind) oder FPGAs (Field Programmable Gate Arrays) oder ASICs (nicht die Schuhmarke, sondern anwendungsspezifische integrierte Schaltkreise), werden durch abnehmende Erträge aus der Skalierung der CMOS-Technologie und harte Leistungsbeschränkungen motiviert. Bei einem festen Leistungsbudget definiert die Energieeffizienz die Leistung : . Eine nachhaltige Leistungsskalierung auf der Basis der CMOS-Technologie setzt also voraus, dass die Energieeffizienz von Rechen- und Speicheroperationen erheblich verbessert wird, was typischerweise durch die oben erwähnten spezialisierten Formen des Rechnens geschieht. Jede Spezialisierung steht jedoch im Gegensatz zur generischen Nutzung und wirft daher verschiedene Fragen in Bezug auf Programmierbarkeit und algorithmische Innovation auf.

Besondere Forschungsschwerpunkte sind:

  • ressourceneffiziente ML wie Modellkompression für Edge-, mobile und eingebettete Systeme,
  • Code-Analyse und -Generierung, z. B. auf der Grundlage von CLANG/LLVM und mit Blick auf (Multi-)GPU-Systeme,
  • HW/SW-Codesign zur Erfüllung von Anwendungszielen durch eine umfassende Behandlung von Software- und Hardwarekomponenten
  • spezialisierte Prozessorarchitekturen unter Berücksichtigung von Leistungs-, Energieeffizienz- und Programmierbarkeitsbeschränkungen

Die Gruppe befasst sich vor allem mit der Überbrückung der Kluft zwischen Anwendung und Hardware, einschließlich automatisierter Werkzeuge sowie abstrakter Modelle, die die (automatisierten) Überlegungen über verschiedene Optimierungen und Entscheidungen erleichtern.

Anwendungsspezifisches Rechnen

Unsere Forschung beschäftigt sich mit der signifikanten Verbesserung von Leistung und Genauigkeit im anwendungsspezifischen Rechnen durch eine globale Optimierung des gesamten Spektrums von numerischen Methoden, Algorithmenentwurf, Softwareimplementierung und Hardwarebeschleunigung.

Diese Ebenen haben in der Regel widersprüchliche Anforderungen und ihre Integration stellt viele Herausforderungen dar. So weisen numerisch überlegene Methoden wenig Parallelität auf, bandbreiteneffiziente Algorithmen verwickeln die Verarbeitung von Raum und Zeit in unüberschaubare Softwaremuster, Hochsprachenabstraktionen schaffen Barrieren für Datenlayout und Komposition und hohe Leistung auf heutiger Hardware stellt strenge Anforderungen an parallele Ausführung und Datenzugriff. Eine hohe Leistung und Genauigkeit für die gesamte Anwendung kann nur erreicht werden, wenn diese Anforderungen über alle Ebenen hinweg ausgeglichen werden.

Den folgenden Themen widmen wir besondere Aufmerksamkeit:

  • Datendarstellung (gemischte Genauigkeiten, Kompression, Redundanz)
  • Datenzugriff (Layout, räumliche und zeitliche Lokalität)
  • Datenstruktur (unstrukturierte Gitter, Graphen, Adaptivität)
  • Numerische Methoden (ILU, Krylov, GMG, AMG)
  • Programmierabstraktionen (CUDA, Thrust, PSTL, C++2x, UPC++)

Forschungsgruppenleiter

Prof. Dr. Peter FischerInstitut für Technische Informatik

Entwicklung von mikroelektronischen Schaltungen und Sensorsystemen zum Nachweis von Teilchen und Photonen

 
Prof. Dr. Peter Fischer
Prof. Dr. Holger FröningInstitut für Technische Informatik

Zukünftige und neue Technologien (GPUs, FPGAs, ASICs, resistiver RAM) für Hochleistungsrechner, ressourcenbeschränktes Maschinelles Lernen und Datenanalyse

 
Prof. Dr Holger Fröning
Prof. Dr. Robert StrzodkaInstitut für Technische Informatik

Parallele Algorithmen und Hardware (GPU, Many-Core-CPU, FPGA) in Bezug auf Datendarstellung, Datenzugriff, Datenstruktur, numerische Methoden und Programmierabstraktionen

 
Prof. Dr. Robert Strzodka
Zuletzt aktualisiert am 28. Sep. 2021 um 11:13