| Project/Area Number |
17K00083
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Research Field |
Computer system
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
Amagasaki Motoki 熊本大学, 大学院先端科学研究部(工), 准教授 (50467974)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2019: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2018: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2017: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | AIチップ / ニューラルネットワーク / DNNアクセラレータ / エッジ端末 / リコンフィギャラブル / 深層学習 / 重み2のべき乗化 / 高速シリアル通信 / ディープラーニング / リコンフィギャラブルシステム / ニューラルネットワークチップ |
|---|
| Outline of Final Research Achievements |
In this research, in order to deal with a wide variety of applications and structures of DNNs, we have researched and developed an AI architecture with low cost, high usability, high speed, and ultra-low cost with reconfigurability. The circuit structure of a power-consuming reconfigurable AI accelerator is revealed. We also evaluated the performance at the layout design level using the standard cell library. Maximum operating frequency when implementing the pythorch-AlexNet model for CIFAR100 The frequency was 350 MHz. The processing power per second of the inference model is 100 [FPS], the power consumption is 0.11 [W], and estimated energy efficiency was 883 [FPS/W]. Based on the architecture developed in this research, we plan to work on models for edge computing.
|
| Academic Significance and Societal Importance of the Research Achievements |
提案する深層学習チップの特徴は，NNの複雑さや規模に応じてHW構成を最適化できる点にある．特に，演算精度に着目してHW量を削減する回路最適化できる点が重要なポイントである．現在の深層学習は人工知能の先駆けに過ぎず，人間の知能に近づけるには膨大な計算量をいかに高速，低電力でできるかがカギとなる．一方，GPGPUや商用FPGAなどの汎用デバイスを用いたアプローチではこれらに対し限界が来るのは明らかである．提案する深層学習チップ開発を通して，IoTにおけるエッジサイドでの利用に対し、用途に合わせた最適化な形で処理を実行できる枠組みを示した．
|
