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

Logic-Driven Efficient Computing and Analysis of Deep Neural Networks on Hardware

Opis projektu

Przejście od podejść opartych na obliczeniach do opartych na logice w głębokich sieciach neuronowych

Systemy sztucznej inteligencji oparte na głębokich sieciach neuronowych (DNN) stoją przed dwoma głównymi wyzwaniami: wysokim zużyciem energii i ograniczoną przejrzystością procesu podejmowania decyzji. Obecne metody skupiają się na przyspieszeniu obliczeń, a nie na zrozumieniu, jak DNN działają wewnętrznie. Finansowany przez ERBN projekt LogiNet skupi się na funkcjach logicznych sieci DNN, a nie na tradycyjnych metodach obliczeniowych. W ramach projektu wstępnie wytrenowane wagi zostaną osadzone bezpośrednio w obwodach operacji MAC, aby zmniejszyć ruch danych i złożoność obliczeniową. Zespół projektu LogiNet zajmuje się analizą właściwości DNN, takich jak niezawodność sprzętu i uczciwość podejmowania decyzji, przy użyciu wyrażeń wysokiego poziomu. Proponowane badania otwierają drogę do energooszczędnych systemów sztucznej inteligencji i zwiększają zaufanie do podejmowania decyzji, co ma przynieść korzyści w zastosowaniach od urządzeń brzegowych po wielkoskalowe centra danych.

Cel

Deep neural networks (DNNs) have achieved great breakthroughs in many fields. However, DNNs require massive multiply-accumulate (MAC) operations and their execution on digital hardware causes formidable energy consumption. State-of-the-art solutions are still focusing on simply accelerating MAC operations in DNNs instead of examining their actual logic functions after training. The blind execution of massive MAC operations in inference, however, poses critical risks to performance and energy sustainability of AI systems. It also misses the opportunity of examining internal decision-making processes of DNNs for their verification in reliability-critical systems. To address these challenges, LogiNet explores a new perspective to study the execution of DNNs on hardware with their logic representations and high-level expressions, thus opening a new door for design methodologies to realize high-performance and low-energy DNN computing for a wide range of scenarios from edge devices to data centers. The high-level expressions of DNNs can also be used to analyze the properties of DNNs and thus contribute to the understanding of their actual functions. Specifically, LogiNet extracts logic representations of DNNs by embedding pretrained weights into the circuits of MAC operations to reduce data movement and computational complexity. This also constructs a bridge between MAC operations and their high-level expressions, which can be compiled and executed by CPUs and thus enable a flexible scheduling of DNN operations in modern heterogeneous computing systems. Furthermore, LogiNet explores the analysis of DNN properties such as hardware reliability and fairness in decision-making using high-level expressions. In short, LogiNet not only develops new solutions for green AI to benefit economy and environment but also lays the foundation for new directions such as logic-based DNN validation in the era of large-scale models that have started to influence our society fundamentally.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2025-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

TECHNISCHE UNIVERSITAT DARMSTADT
Wkład UE netto
€ 1 500 000,00
Koszt całkowity
€ 1 500 000,00

Beneficjenci (1)