Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Hardware Acceleration with Tunable SRAM/IMC Voltages

Description du projet

Accélérer les réseaux neuronaux profonds: mémoire statique à accès aléatoire et calcul en mémoire

Les réseaux neuronaux profonds (RNP) sont des réseaux neuronaux artificiels qui comportent des couches cachées profondes ou en nombre entre l’entrée et la sortie. Semblables au système nerveux humain, les RNP peuvent apprendre des modèles plus complexes et résoudre des problèmes plus complexes, avec toutefois un coût énergétique plus élevé. Les accélérateurs matériels accélèrent les applications d’IA comparativement aux logiciels fonctionnant sur des unités centrales de traitement conventionnelles. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet ACROBAT concevra et mettra en œuvre un accélérateur RNP perfectionné optimisant la consommation d’énergie. Il comprendra une mémoire statique spéciale à accès aléatoire avec calcul en mémoire, ce qui signifie que les calculs s’effectueront entièrement dans la mémoire de l’ordinateur. Le projet utilisera des techniques d’optimisation des chemins de données pour établir un équilibre optimal entre l’énergie et la précision.

Objectif

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.

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2021-PF-01

Voir tous les projets financés au titre de cet appel

Coordinateur

BILKENT UNIVERSITESI VAKIF
Contribution nette de l'UE
€ 239 282,64
Adresse
ESKISEHIR YOLU 8 KM
06800 Bilkent Ankara
Turquie
Région
Batı Anadolu Ankara Ankara
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Partenaires (2)