Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Hardware Acceleration with Tunable SRAM/IMC Voltages

Descrizione del progetto

Accelerazione delle reti neurali profonde: memoria statica ad accesso casuale e calcolo in-memory

Le reti neurali profonde (DNN) sono reti neurali artificiali con profondità o più strati nascosti tra ingresso e uscita. Le reti neurali profonde, che assomigliano al sistema nervoso umano, sono in grado di apprendere schemi più complessi e di risolvere problemi più complessi, ma in genere ciò comporta un costo energetico più elevato. Gli acceleratori hardware accelerano le applicazioni di IA rispetto al software in esecuzione sulle unità di elaborazione centrale convenzionali. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto ACROBAT progetterà e implementerà un acceleratore DNN ottimizzato dal punto di vista energetico. Includerà una speciale memoria statica ad accesso casuale con calcolo in-memory, il che significa che le operazioni avverranno interamente nella memoria del computer. Il progetto impiegherà tecniche di ottimizzazione del percorso dei dati per raggiungere un equilibrio ottimale tra energia e precisione.

Obiettivo

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.

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-GF -

Coordinatore

BILKENT UNIVERSITESI VAKIF
Contributo netto dell'UE
€ 239 282,64
Indirizzo
ESKISEHIR YOLU 8 KM
06800 Bilkent Ankara
Turchia

Mostra sulla mappa

Regione
Batı Anadolu Ankara Ankara
Tipo di attività
Istituti di istruzione secondaria o superiore
Collegamenti
Costo totale
Nessun dato

Partner (2)