Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Hardware Acceleration with Tunable SRAM/IMC Voltages

Opis projektu

Przyspieszenie rozwoju głębokich sieci neuronowych: statyczna pamięć o dostępie swobodnym i obliczenia w pamięci

Głębokie sieci neuronowe to sztuczne sieci neuronowe z głębią lub wieloma ukrytymi warstwami pomiędzy wejściem a wyjściem. Tego rodzaju sieci przypominają ludzki układ nerwowy: mogą uczyć się bardziej skomplikowanych wzorców i rozwiązywać bardziej złożone problemy, ale zazwyczaj wiąże się to z wyższym zużyciem energii. Akceleratory sprzętowe przyspieszają działanie aplikacji opartych na sztucznej inteligencji w stosunku do oprogramowania działającego na konwencjonalnych jednostkach centralnych. Przy wsparciu z działania „Maria Skłodowska-Curie” zespół projektu ACROBAT zaprojektuje i wdroży ulepszony akcelerator pracy głębokich sieci neuronowych zoptymalizowany pod względem energetycznym. Będzie on zawierał specjalną statyczną pamięć o dostępie swobodnym z funkcją obliczeń w pamięci, co oznacza, że obliczenia będą się odbywać w całości w pamięci komputera. W projekcie zastosowane zostaną techniki optymalizacji ścieżki danych w celu osiągnięcia optymalnej równowagi między energią a dokładnością.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2021-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

BILKENT UNIVERSITESI VAKIF
Wkład UE netto
€ 239 282,64
Koszt całkowity
Brak danych

Partnerzy (2)