深層学習エッジコンピューティング向け高効率組込みシステムの開発

2016 Fiscal Year Research-status Report

• Project/Area Number: 16K00083
• Research Institution: Kochi University of Technology
• Principal Investigator: 密山 幸男 高知工科大学, システム工学群, 准教授 (80346189)
• Project Period (FY): 2016-04-01 – 2019-03-31
• Keywords: 深層学習 / 機械学習 / IoT端末 / 再構成可能アーキテクチャ

Outline of Annual Research Achievements

本研究では、爆発的に増加するIoT端末に対して、サーバ型計算モデルの問題解決とさらなる応用拡大を目指し、IoT端末（エッジデバイス）からサーバへデータを転送する前に必要な処理を行う「エッジコンピューティング」の高効率化を目的としている。具体的には、エッジデバイス上で深層学習を用いたアプリケーションのリアルタイム実行を可能にする再構成可能デバイスを開発するとともに、実機評価用システムを構築し、研究成果の広い応用展開を目指している。
本研究目的を達成するため、平成28年度は基本アーキテクチャの開発と、対象とする深層学習アプリケーションにおける提案アーキテクチャの有効性の評価を行った。
(1) 基本アーキテクチャ開発：深層学習にもとづく学習・識別処理の大部分を占める任意サイズの積和累算について、その高効率実行を可能とする再構成可能デバイスの実現を目的として、カウンタツリーを基本構造とする再構成可能アレイの基本アーキテクチャを検討した。計算機上での論理合成結果から提案アーキテクチャの有効性を評価するとともに、FPGAボードを用いて動作検証を行い、提案アーキテクチャの実現性を実証した。
(2) 対象アプリケーションの評価：エッジコンピューティングの効率化に向けて、前述のハードウェア開発と並行して、対象アプリケーションにおける演算粒度の最適化にも取り組んだ。深層学習アプリケーションにおける学習パラメータ（フィルタ係数）の量子化と認識精度の関係について評価を行い、提案アーキテクチャとの相乗効果が得られることを明らかにした。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

ほぼ研究計画通りに研究項目に着手し、大きな問題なく検討が進んでいるため。

Strategy for Future Research Activity

65nm SOTBプロセスを用いてテストチップを作成し、提案回路の有効性を実証する。また、実機評価用システムの構築に向けて、その基本構成の検討を進める。

Causes of Carryover

提案アーキテクチャの動作検証に必要なFPGA開発用ボードを別途確保することができたため。

Expenditure Plan for Carryover Budget

実機評価システムならびにテストチップ評価ボードの購入に充てる。