Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Hardware Acceleration with Tunable SRAM/IMC Voltages

Descripción del proyecto

Acelerar las redes neuronales profundas: memoria estática de acceso aleatorio y computación en memoria

Las redes neuronales profundas (RNP) son redes neuronales artificiales con múltiples capas ocultas o profundas entre la entrada y la salida de información. Con un funcionamiento parecido al del sistema nervioso humano, pueden aprender patrones más intrincados y resolver problemas más complejos, lo cual, por lo general, conlleva un mayor gasto energético. Los aceleradores de «hardware» agilizan las aplicaciones de inteligencia artificial en comparación con el «software» que se ejecuta en unidades centrales de procesamiento convencionales. En el proyecto ACROBAT, que cuenta con el apoyo de las Acciones Marie Skłodowska-Curie, se diseñará y utilizará un acelerador de RNP mejorado que optimiza la energía. El acelerador incluirá una memoria estática especial de acceso aleatorio con computación en memoria, lo que significa que los cálculos se realizarán solo en la memoria del ordenador. El equipo del proyecto empleará técnicas de optimización de rutas de datos para lograr un equilibrio óptimo entre energía y precisión.

Objetivo

Deep Neural Networks (DNNs) are the fundamental component in most artificial intelligence applications. With the increasing number of applications based on artificial intelligence, the performance and energy efficiency of architectures running these algorithms have become crucial, especially for battery-powered platforms. In this work, I propose an energy optimizing memory design framework with a special SRAM/in-memory-computing structure. It also utilizes datapath optimization techniques like quantization and pruning with a fine-level assignment. Compared to other hardware accelerator studies for DNN processing, in this work, I will show that this special memory design, together with the architectural datapath optimization techniques, will have a much better capability of finding the Pareto optimal point in the energy-accuracy trade-off and increase the profitability of the final design.

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2021-PF-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

BILKENT UNIVERSITESI VAKIF
Aportación neta de la UEn
€ 239 282,64
Dirección
ESKISEHIR YOLU 8 KM
06800 Bilkent Ankara
Turquía
Región
Batı Anadolu Ankara Ankara
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos

Socios (2)