Energieeffizientes heterogenes föderiertes Lernen über approximative systolische DNN-Beschleuniger

Durch den Einsatz von komprimierten Rechenformaten und approximativer Rechenleistung können die Energieanforderungen für das Training von KI-Modellen in einem föderiertem Lernumfeld deutlich reduziert werden, ohne die Genauigkeit des globalen Modells signifikant zu beeinträchtigen.