Leibniz Universität Hannover Fakultät Fakultät für Elektrotechnik und Informatik
Kontakt
Institut für Mikroelektronische Systeme
 
Institut für Mikroelektronische Systeme Institut
Christoph Riggers

Christoph Riggers, M. Sc.

Christoph Riggers, M. Sc.
Telefon
+49 511 762 5039
E-Mail
christoph.riggersims.uni-hannover.de
Adresse
Schneiderberg 32
30167 Hannover
Gebäude
3702
Raum
234
Christoph Riggers, M. Sc.
Telefon
+49 511 762 5039
E-Mail
christoph.riggersims.uni-hannover.de
Adresse
Schneiderberg 32
30167 Hannover
Gebäude
3702
Raum
234
  • Publikationsliste

    Zeige Ergebnisse 1 - 7 von 7

    Design Space Exploration of Semantic Segmentation CNN SalsaNext for Constrained Architectures. / Renke, Oliver; Riggers, Christoph; Karrenbauer, Jens et al.
    Proceedings - 2024 IEEE 35th International Conference on Application-Specific Systems, Architectures and Processors, ASAP 2024. 2024. S. 28-29 (IEEE International Conference on Application-Specific Systems, Architectures, and Processors).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

    Mehr...
    Moderne Automobilelektronik : KI-Hardware für die Sensorsignalverarbeitung. / Riggers, Christoph; Lüders, Matthias; Weddige, Sousa et al.
    in: Uni-Magazin, Hannover, Jahrgang 2024, Nr. 01|02, 2024.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Transfer

    Mehr...
    PTP-Synchronized Tri-Level Sync Generation for Networked Multi-Sensor Systems. / Riggers, Christoph; Schleusner, Jens; Renke, Oliver et al.
    2024 IEEE 30th International Conference on Embedded and Real-Time Computing Systems and Applications (RTCSA). 2024. S. 91-96.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

    Mehr...
    Mobile SARS‑CoV‑2 screening facilities for rapid deployment and university‐based diagnostic laboratory. / Stanislawski, Nils; Lange, Ferdinand; Fahnemann, Christian et al.
    in: Engineering in life sciences, Jahrgang 23, Nr. 2, 2200026, 02.02.2023.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

    Mehr...
    ZuSE KI-AVF: Application-Specific AI Processor for Intelligent Sensor Signal Processing in Autonomous Driving. / Thieu, Gia Bao; Gesper, Sven; Payá-Vayá, Guillermo et al.
    2023 Design, Automation and Test in Europe Conference and Exhibition, DATE 2023 - Proceedings. IEEE, 2023. (Design, automation and test in Europe conference).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

    Mehr...
    Multicore performance prediction with MPET: Using scalability characteristics for statistical cross-architecture prediction. / Arndt, Oliver Jakob; Lüders, Matthias; Riggers, Christoph et al.
    in: Journal of Signal Processing Systems, Jahrgang 92, Nr. 9, 09.2020, S. 981-998.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

    Mehr...
    Parallelization strategies for fast factorized backprojection SAR on embedded multi-core architectures. / Wielage, M.; Cholewa, F.; Riggers, Christoph et al.
    2017 IEEE International Conference on Microwaves, Antennas, Communications and Electronic Systems (COMCAS). IEEE Computer Society, 2017.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

    Mehr...
  • Forschungsprojekte

    Prozessorarchitekturen

    • ZuSE-KI-mobil
      Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl von Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind.
      Leitung: Prof. Dr.-Ing. Holger Blume
      Team: Matthias Lüders, M.Sc., Martin Friedrich, M.Sc., Sousa Weddige, M.Sc., Oliver Renke, M.Sc., Christoph Riggers, M.Sc.
      Jahr: 2020
      Förderung: BMBF
      Laufzeit: Mai 2020 - Dezember 2025
    • ZuSE-KI-AVF - Anwendungsspezifischer KI-Prozessor für die intelligente Sensorsignalverarbeitung im autonomen Fahren
      Innovative Fahrerassistenzsysteme erfordern neue, leistungsfähige Hardwareplattformen, die in der Lage sind, hochauflösende und mehrdimensionale Datenmengen in Echtzeit zu verarbeiten. Vielfältige Sensorik wie Kamera, Lidar oder Radar führt zu deutlich voneinander abweichenden Anforderungen, denen mit anwendungsspezifischer Hardware begegnet werden kann. Mit dem Ziel der Entwicklung einer solchen Hardware auf Basis einer skalierbaren und flexibel programmierbaren Architekturplattform hat das IMS erfolgreich an der ZuSE-Ausschreibung des BMBF zu Themen der künstlichen Intelligenz teilgenommen. In der Rolle der Projektleitung arbeitet das Institut in einem Konsortium an einer Open-Source Vektorprozessorarchitektur, die sich besonders für ressourcenintensive KI-Algorithmen eignet. Durch die vertikale Verarbeitung von Datenvektoren und komplexe Adressierungsmodi können neuronale Netze effizient berechnet werden. Für den Einsatz als Embedded-IP-Core in kommerziellen SoCs werden zudem Aspekte der funktionalen Sicherheit und IP-Security betrachtet. Auch die Entwicklung eines Compilers und eines effizienten Speichercontroller sind Teil des Projektes ZuSE-KI-AVF. Das IMS entwickelt an der Systemarchitektur, der Konzeption und Implementation von Algorithmen wie der Verarbeitung von Lidar-Punktwolken sowie einer Demonstration der Architektur auf Basis einer FPGA-Beschreibung.
      Leitung: Prof. Dr.-Ing. Holger Blume
      Team: Oliver Renke M.Sc., M.Sc. Christoph Riggers M.Sc., Till Fiedler M.Sc., Jakob Marten M.Sc., Tobias Stuckenberg M.Sc.
      Jahr: 2020
      Förderung: BMBF
      Laufzeit: Oktober 2020 - März 2025

    Systementwurf

    • ZuSE-KI-mobil
      Für Zukunftsaufgaben wie das autonome Fahren oder Industrie 4.0 müssen immer größere Mengen an Daten von einer steigenden Anzahl von Sensoren mit Hilfe komplexer Algorithmen und künstlicher Intelligenz (KI) in kürzester Zeit analysiert werden. Die entsprechenden Prozessoren müssen aber nicht nur bei der Rechenleistung, sondern auch hinsichtlich Energieeffizienz, Zuverlässigkeit, Robustheit und Sicherheit hohe Anforderungen erfüllen, die über aktuelle Möglichkeiten weit hinausgehen. Die ZuSE-Projekte des BMBF sollen den dringenden Bedarf der Anwenderbranchen an zukunftsfähigen, vertrauenswürdigen Prozessoren decken, die auf ihre spezifischen Aufgaben zugeschnitten und hoch performant sind.
      Leitung: Prof. Dr.-Ing. Holger Blume
      Team: Matthias Lüders, M.Sc., Martin Friedrich, M.Sc., Sousa Weddige, M.Sc., Oliver Renke, M.Sc., Christoph Riggers, M.Sc.
      Jahr: 2020
      Förderung: BMBF
      Laufzeit: Mai 2020 - Dezember 2025

Letzte Änderung: 23.09.24 Druckversion

So erreichen Sie uns
Kontakt