header-pattern-bg

Inbyggda system blir intelligenta

Del av fokusområde Smarta städer och samhällen

Alla tekniska prylar med en dator och en specifik funktion är ett inbyggt system. Det kan vara allt från mindre enheter, till exempel en smart klocka, till större system som en självkörande bil. Genom att tillämpa så kallade Deep learning-modeller på inbäddade plattformar kan systemen – enheterna – få artificiell intelligens. Nesma Rezk, doktorand vid Högskolan i Halmstad, har nyligen presenterat sin licentiatuppsats som handlar om just detta.

Vad är Deep learning och vad kan uppnås genom att göra ett inbyggt system intelligent?

– Deep learning (DL) är ett delområde inom maskininlärning, vilket i sin tur är en disciplin inom artificiell intelligens (AI). DL härmar strukturer och funktioner i den mänskliga hjärnan genom att bearbeta data och skapa mönster som kan användas för att fatta beslut. Genom att implementera DL på inbyggda plattformar kan till exempel ett hem, bärbara prylar, självkörande fordon och sjukvårdsutrustning bli intelligenta. Fördelar med detta är exempelvis att ett smart hem eller bärbar utrustning kan användas för att övervaka en användares hälsa och att hjälp tillkallas automatiskt vid behov, säger Nesma Rezk, doktorand vid forskningsmiljön Inbyggda och intelligenta system (EIS) vid Högskolan i Halmstad.

Kvinna ler mot kameran. Fotografi.

Nesma Rezk är doktorand vid Akademin för informationsteknologi och har nyligen presenterat sin licentiatuppsats: "Jag är glad över att vara en del av Högskolan i Halmstad. Högskolan anstränger sig för att underlätta min doktorandresa, både vad gäller den bekväma arbetsmiljön och det goda samarbetet mellan forskarkollegor".

Vad handlar din licentiatuppsats om?

­– I den utforskar jag effektiv implementering av DL på inbyggda plattformar. För att implementeringen ska vara effektiv bör den uppnå hög genomströmning, ha låg energiförbrukning och uppfylla realtidskrav. Det är också viktigt att implementeringen är flexibel så att den klarar av ändringar i DL-modellen. I uppsatsen diskuterar jag också de optimeringar som används för att öka effektiviteten i DL-implementeringar.

Varför valde du Högskolan i Halmstad för din forskarutbildning?

– Jag kommer från Kairo i Egypten och studerade där vid Ain Shams University. Efter min kandidatexamen i dator- och systemteknik jobbade jag som lärarassistent i sex år. Under den tiden tog jag även min masterexamen i dator- och systemteknik. Jag längtade efter nya upplevelser och ville gå en forskarutbildning i ett europeiskt land. Den svenska livsstilen har gott rykte och Halmstad är en lagom stor småstad. I en lugn stad som Halmstad kan jag fokusera på mina studier, så jag sökte till Högskolan och flyttade till Halmstad i slutet på 2016.

Hur är det att studera och forska vid Högskolan i Halmstad?

– Jag är glad över att vara en del av Högskolan i Halmstad. Högskolan anstränger sig för att underlätta min doktorandresa, både vad gäller den fina arbetsmiljön och det goda samarbetet mellan forskarkollegor. Jag anser mig lyckligt lottad att få arbeta i ett forskningsområde som kombinerar inbyggda system och DL.

Vad är det som är bra med den kombinationen?

– Inbyggda system har i sig begränsat med resursers, till exempel vad gäller datorkapacitet och minnesbandbredd. Det är alltid utmanande och tekniskt intressant att köra applikationer effektivt på inbyggda plattformar. Dessutom är det mycket spännande att följa den allt mer lyckade tillämpningen av DL-algoritmer inom flera olika områden. Att köra DL-algoritmer på inbyggda plattformar innebär en ny typ av forskningsarbete. Vi försöker ändra DL-algoritmer för att få dem att hantera de begränsade resurserna i inbyggda system. Jag tror att framgången med att köra DL-applikationer på inbyggda system effektivt är helt avgörande. Om vi inte lyckas kommer fördelen med denna adderade intelligens i till exempel smarta telefoner, bärbara enheter och självkörande fordon att begränsas.

Vad är dina framtidsplaner?

– Jag ska fortsätta min forskarutbildning här på Högskolan och skriva min doktorsavhandling. Efter det vill jag väldigt gärna fortsätta att jobba inom akademin, säger Nesma Rezk.

Man och kvinna står en bit ifrån varandra och ler mot kameran. Fotografi.

Nesma Rezk och Mark Dougherty, professor i informationsteknologi vid Högskolan i Halmstad. Mark Dougherty var examinator vid Nesma Rezks licentiatseminarium som hölls den 4 juni.

Om licentiatuppsatsen

Licentiatseminariet hölls den 4 juni på Högskolan i Halmstad samt online via Zoom.

Licentiatuppsatsen:

Exploring Efficient Implementations of Deep Learning Applications on Embedded Platforms Länk till annan webbplats, öppnas i nytt fönster.

  • Examinator: Mark Dougherty, professor i informationsteknologi vid Högskolan i Halmstad
  • Opponent: Ahmed Hemani, professor på avdelningen för elektronik och inbyggda system vid Kungl. Tekniska Högskolan, KTH
  • Handledare: Zain Ul-Abdin, universitetslektor vid Högskolan i Halmstad

Nesma Rezk är verksam vid avdelningen CERES (Computing and Electronics for Real-Time and Embedded Systems) vid Akademin för informationsteknologi på Högskolan i Halmstad. Nesma Rezk jobbar nära professor Tomas Nordström. Forskargruppen samarbetar med professor Madhura Purnaprajna vid Amrita University i Indien.

Text: LOUISE WANDEL

Foto: HELENA BENGTSSON