| Project/Area Number |
19K11885
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60040:Computer system-related
|
|---|
| Research Institution | Tokyo City University |
|---|
Principal Investigator |
Kenshu Seto 東京都市大学, 理工学部, 講師 (10420241)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2021: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2019: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | ニューラルネットワーク / アクセラレータ / オンチップメモリ削減 / 高位合成 / オンチップメモリ |
|---|
| Outline of Research at the Start |
ニューラルネットワーク(NN)アクセラレータでは、大量に使用されるオンチップメモリの削減が課題となっている。特徴マップを格納するオンチップメモリサイズの削減のため、融合型NNアクセラレータが提案されたが、冗長なオンチップメモリを含む問題点や、複雑なNNに対応できない問題点がある。本研究では、NNのCコードに対しソースコード最適化を適用し、高位合成を活用することで、従来の課題を解決する融合型NNアクセラレータの設計技術を提案する。
|
| Outline of Final Research Achievements |
Fused-layer neural network accelerators, which execute multiple layers in parallel, reduce off-chip memory accesses by storing intermediate results in on-chip memories. As a result, we expect reduced energy consumption for fused-layer neural network accelerators. In this research, we successfully developed loop and memory access optimizations which are effective for developing fused-layer neural network accelerators. For the memory access optimization, we extended the scalar replacement, which is useful for automatic line buffer generation, so that it can handle multiple write accesses.
|
| Academic Significance and Societal Importance of the Research Achievements |
AIの基盤となるニューラルネットワークを効率良く実行するハードウェアが求められており、融合型ニューラルネットワークアクセラレータに着目した。アクセラレータを短期間に設計するには、プログラムからハードウェアを自動生成できる高位合成の活用が効果的だが、高効率なハードウェア生成には、人手によるコード最適化が必要になり、設計期間の長期化が問題となっていた。重要なコード最適化の一つとして、スカラリプレイスと呼ばれるメモリ最適化があり、これを融合型ニューラルネットワークに適用できるよう、世界初の拡張に成功した。研究成果の活用により、迅速な高効率ニューラルネットワークアクセラレータの設計に寄与できる。
|
