Andreas Erbslöh ist PostDoc / Gruppenleiter für KI-Hardware am Fachgebiet "Intelligente Eingebettete Systeme" und arbeitet an neuartigen Konzepten für ressourcen-effiziente KI-Hardware in der Zeitreihenanalyse. Im Jahr 2021 verteidigte er seine Promotion im Bereich der Closed-Loop-Stimulationsparadigmen für zukünftige Retina-Implantate, in dem Schaltungskonzepte für die simultane elektrische Stimulation der degenerierten Retina und der Erfassung/Verarbeitung der neuronalen Antworten on-chip untersucht worden. Hierzu beteiligt er sich aktiv im DFG-geförderten Graduiertenkolleg InnoRetVision (Link) seit 04/2021. Dabei werden spezielle Neurosignal-Prozessoren zur Echtzeit-Datenauswertung der retinalen Aktivitäten entworfen und als Software-Lösung mit einem eigenentwickelten Python-Framework für die Experimente bereitgestellt.

Kern seines aktuellen Forschungsinteresses ist das Hardware-Software-Codesign, im Speziellen die Ende-zu-Ende Evaluierung von Signalverarbeitungspipelines in einer emulierten Software-Umgebung und deren Transfer auf die anwendungs-spezifische Ziel-Plattform (MCU, FPGA, Memristor, ASIC). Dies beinhaltet folgende Schwerpunkte:

• Entwurf von energie-effizienten und Low-Noise Sensor-Auslese- und Anregungsschaltungen
  (z.B. zur Anregung und Aktivitätsüberwachungen von biologischen Netzwerken, Auslesen von Oberflächen-Vibrationen)
• Entwurfs-Exploration von Digital- und Analog/Neuromorph-Beschleunigern für Tiefe Neuronale Netze 
  (z.B. Real-time Spike Sorting zur retinalen Neurosignalverarbeitung, Gestenerkennung durch Oberflächen-Vibrationen)
• Methoden zur laufzeitfähigen Laufzeit-Adaption der Rechenarchitekturen in stark ressourcen-beschränkten Umgebungen
  (z.B. in Neuro-Implantaten und Brain-Computer-Interfaces)