BTU auf einen Blick BTU auf einen Blick schließen
Startseite
Schließen
Fakultät 1
Fachgebiet Technische Informatik Vertretungsprofessur Dr.-Ing. habil. Christian Herglotz

akademischer Mitarbeiter

Dr. Mahdi Taheri

Publications: Google Scholar

Building 1C, Room 1.39

T: +49 (0) 355 69 ....
F: +49 (0) 355 69 2027
mahdi.taheri(at)b-tu.de

LinkedIn: https://www.linkedin.com/in/mahdi-taheri/

Offene Themen:

Gestalten Sie die Zukunft der KI – Themen für Masterarbeiten verfügbar

Beschreibung:
Es stehen Masterarbeitsthemen in mehreren zentralen Bereichen der modernen künstlichen Intelligenz und KI-Hardware zur Verfügung, darunter:

  • KI-Sicherheit

  • Hardwarebeschleunigung für KI (FPGA, Softcore-GPU/FGPU)

  • Zuverlässigkeit von KI-Systemen

  • Approximate Computing

  • Neuromorphes Rechnen (SNN)

  • Modelloptimierung (Pruning, Quantisierung, LLM-/Transformer-Optimierung)

Der Schwerpunkt der Arbeiten liegt auf der Entwicklung und Optimierung fortgeschrittener KI-Modelle wie Transformern und LLMs sowie der Gestaltung energieeffizienter, zuverlässiger und sicherer Hardwarebeschleuniger. Forschungsrichtungen umfassen hardwarebewusste Optimierung, fehlertolerante Architekturen, Approximate-Computing-Methoden, neuromorphes Rechnen und Modellkompression für Edge-AI und sicherheitskritische Anwendungen.

Eigene Themenvorschläge sind ebenfalls verhandelbar.
Termine können ausschließlich per E-Mail vereinbart werden.

Publications

FORTUNE : a negative memory overhead hardware-agnostic fault TOleRance techniqUe in DNNs

Autor(en)
Nazari, Samira, Taheri, Mahdi, Azarpeyvand, Ali, Afsharchi, Mohsen, Ghasempouri, Tara, Herglotz, Christian, Daneshtalab, Masoud, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
New York : Institute of Electrical and Electronics Engineers (IEEE)
Quelle
2024 IEEE 33rd Asian Test Symposium (ATS), S. 1 - 6
ISBN
979-8-3315-2917-8
DOI
https://doi.org/10.1109/ATS64447.2024.10915463

Reliability-aware performance optimization of DNN HW accelerators through heterogeneous quantization

Autor(en)
Nazari, Samira, Taheri, Mahdi, Azarpeyvand, Ali, Afsharchi, Mohsen, Herglotz, Christian, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
New York : Institute of Electrical and Electronics Engineers (IEEE)
Quelle
2025 IEEE 26th Latin American Test Symposium (LATS), S. 1 - 6
ISBN
978-1-6654-7763-5
DOI
https://doi.org/10.1109/LATS65346.2025.10963948

SAFFIRA : a framework for assessing the reliability of systolic-array DNN accelerators

Autor(en)
Pappalardo, Salvatore, Bellarmino, Nicolo’, Deveautour, Bastien, Bosio, Alberto, Taheri, Mahdi, Daneshtalab, Masoud, Raik, Jaan, Jenihhin, Maksim
Publikationsart
Wissenschaftlicher Zeitschriftenartikel referiert
Erscheinungsjahr
2025
Verlag
Singapore : World Scientific
Freie Schlagworte
Hardware accelerator; Systolic array; Deep neural networks; Fault simulation reliability; Resilience assessment; Reliability metrics
Quelle
Journal of circuits, systems, and computers : JCSC
Band/Jahrgang
34
Ausgabe/Heft
18
ISSN
1793-6454
DOI
https://doi.org/https://doi.org/10.1142/S0218126625430017

Reliability-aware hyperparameter optimization for ANN-to-SNN conversion

Autor(en)
Sharifian, Saeed, Taheri, Mahdi, Rashtchi, Vahid, Azarpeyvand, Ali, Herglotz, Christian, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
Podgorica, Montenegro : WiPiEC Journal
Freie Schlagworte
Deep neural networks; Spiking neural networks; Reliability; Edge applications; Safety-critical applications
Quelle
WiPiEC journal : works in progress in embedded computing journal : special issue, S. 1 - 7
DOI
https://doi.org/https://doi.org/10.64552/wipiec.v11i1.85

RL-agent-based early-exit DNN architecture search framework

Autor(en)
Taheri, Mahdi, Patne, Parth, Cherezova, Natalia, Mahani, Ali, Herglotz, Christian, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
Piscataway, NJ : IEEE
Freie Schlagworte
Deep neural networks; Dynamic DNNs; Early exit
Quelle
IEEE 28th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS) : proceedings, S. 145 - 148
ISBN
979-8-3315-2801-0
DOI
https://doi.org/10.1109/DDECS63720.2025.11006795

GENIE : GENetIc algorithm-based REliability assessment methodology for deep neural networks

Autor(en)
Nazari, Samira, Taheri, Mahdi, Azarpeyvand, Ali, Afsharchi, Mohsen, Herglotz, Christian, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
Piscataway, NJ : IEEE
Freie Schlagworte
Deep neural networks; Parallel processing; Memory overhead; Reliability; DNN accelerator
Quelle
2025 11th International Conference on Computing and Artificial Intelligence (ICCAI), S. 1 - 8
ISBN
979-8-3315-2492-0
DOI
https://doi.org/10.1109/ICCAI66501.2025.00049

SHIELD : PSO-based hardware Trojan detection for efficient and low-cost defense

Autor(en)
Hosseini, Mostafa, Azarpeyvand, Ali, Taheri, Mahdi, Ghasempouri, Tara, Jenihhin, Maksim
Publikationsart
Konferenzveröffentlichung referiert
Erscheinungsjahr
2025
Verlag
Piscataway, NJ : IEEE
Freie Schlagworte
Hardware Trojan; Test generation; Particle swarm optimization; Depth-first search
Quelle
IEEE 31st International Symposium on On-Line Testing and Robust System Design (IOLTS), S. 1 - 4
ISBN
979-8-3315-3334-2
DOI
https://doi.org/10.1109/IOLTS65288.2025.11116879