Tối ưu hóa TinyML cho Thiết bị Năng lượng Hạn chế: Inference Siêu nhẹ (MobileNet, EfficientNet) và Scheduling RTOS Tối đa hóa Sleep Cycle
AI và Tự động IoT
AI và Tự động IoT – Kiến thức, cách thức sử dụng AI để tự động quản lý IoT trong sản xuất và đời sống.
Công nghệ HBM: Giảm Memory Bottleneck trên Chip AI Cao Hiệu suất – Thách thức Tản Nhiệt, Chiplet (2.5D-3D Packaging)
Thiết kế Lõi AI Chuyên dụng (Custom AI Cores) trên RISC-V: Tùy chỉnh ISA Extension cho Tensor/Vector và Tối ưu Nhiệt-Điện Năng
Tác Động Clock Frequency Đến Power Efficiency Edge AI: Dynamic Power, DVFS
Tăng Tốc Tính Toán Ma Trận Trên MCU Bằng DSP, FPU Và SIMD: Tăng GFLOPS
Kỹ thuật Model Pruning dựa trên Hiệu suất Năng lượng: Cắt bỏ Weights ít quan trọng, So sánh Structured vs. Unstructured và Tác động Clock Cycle
Tối ưu hóa Kiến trúc Chip AI (NPU/TPU) cho Độ trễ Microsecond Latency: Phân tích Dataflow Chiplet, Parallel Processing và Quản lý Cache Giảm Latency Vật lý
Kỹ thuật Lượng tử hóa (Quantization) Mô hình Học sâu Edge: FP32 → INT8/INT4, Sai số và TDP
