6. gemeinsamer Workshop VFFIA - RG Ilmenau: 2 Vorträge in einer Veranstaltung
Kann man aus datengestützten Studien neue Methoden zur Rehabilitation neurovaskulärer Funktionen bei Glaukompatienten ableiten? Der erste Vortrag gibt Antwort darauf. Der zweite Vortrag (in Englisch) behandelt das Thema "Neural Network Hardware Acceleration and LLM-Driven Circuit Design" This talk explores hardware solutions for efficient Deep Neural Networks (DNN) execution, spanning both digital design and emerging technologies such as resistive random-access memory (RRAM) and optical computing components.
Veranstaltungsort
Foyer des Zuse-Baus, TU IlmenauHelmholtzplatz 5
98693 Ilmenau, Deutschland
Beschreibung
Workshop-Programm:
Ab 16:40 Uhr
Gelegenheit zu einer Tasse Kaffee
17:00 Uhr
Begrüßung durch Dr. Markus Iwig
17:05 – 17:45 Uhr
Prof. Dr.-Ing. Sascha Klee, Technische Universität Ilmenau
Thema: Auf dem Weg zur Wiederherstellung neurovaskulärer Netzhautfunktionen mithilfe datengetriebener Studien
Das visuelle System ist das mit Abstand wichtigste der fünf menschlichen Sinnesorgane. Es verar-beitet drei Viertel aller Informationen aus unserer Umgebung. Ein zentrales Organ in diesem Zu-sammenhang ist die Netzhaut. Mit ihrer komplexen neuronalen Masse und ihrem regulativ gekop-pelten Blutgefäßsystem stellt sie die erste Stufe der visuellen Verarbeitung dar. Funktionsstörungen dieses neurovaskulären Systems stehen in engem Zusammenhang mit verschiedenen Erkrankun-gen, wie beispielsweise dem Glaukom. Der Vortrag präsentiert datengestützte Studien und Metho-den zur Analyse der Entstehung neurovaskulärer Signale und Kopplungsmechanismen. Aus den Ergebnissen werden neue Methoden zur Rehabilitation neurovaskulärer Funktionen bei Glaukom-patienten abgeleitet.
17:45 – 18:25 Uhr
Prof. Dr.-Ing. habil. Bing Li, Technische Universität Ilmenau
Thema: Neural Network Hardware Acceleration and LLM-Driven Circuit Design
Deep neural networks (DNNs) have driven major breakthroughs in artificial intelligence and are now a foundational technology across many domains. However, their rapidly growing model sizes and computational demands place severe pressure on existing computer architectures. This talk explo-res hardware solutions for efficient DNN execution, spanning both digital design and emerging tech-nologies such as resistive random-access memory (RRAM) and optical computing components. Techniques to improve computational efficiency, energy efficiency, and robustness of these plat-forms will be discussed. In addition, this talk covers new hardware design methodologies that le-verage large language models (LLMs) to generate and verify circuits directly from specifications in the format of natural language. By enabling more automated, intelligent hardware development, this approach points toward a future where AI hardware could be designed and verified automatically to enable more powerful and efficient AI systems.
18:30 Uhr
Austausch bei einem Mini-Imbiss
Verbindliche Anmeldung bitte per E-Mail an nadja.kuehler@tu-ilmenau.de bis zum 17. April 2026. (die Teilnahme am Workshop ist kostenlos).