Highly Efficient Embedded Systems Architecture for Deep Learning Edge-Computing

2019 Fiscal Year Final Research Report

• Project/Area Number: 16K00083
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Research Field: Computer system
• Research Institution: Kochi University of Technology
• Principal Investigator: MITSUYAMA YUKIO 高知工科大学, システム工学群, 准教授 (80346189)
• Project Period (FY): 2016-04-01 – 2020-03-31
• Keywords: 再構成可能アーキテクチャ / 深層学習 / 積和演算 / アクセラレータ / 組込みシステム

Outline of Final Research Achievements

To realize highly efficient embedded systems for deep learning edge-computing, we have developed an efficient reconfigurable architecture for large-scale multiply-accumulation with enormous operands. We also proposed a weights quantization method with bit masking operations dedicated to the proposed reconfigurable architecture. Applied systems to demonstrate the effectiveness of our proposed reconfigurable architecture have also been developed.

Free Research Field

計算機アーキテクチャ

Academic Significance and Societal Importance of the Research Achievements

これからのIoT社会において、IoTを構成するエッジデバイスの数とそこから得られるデータ量は爆発的に増加し、膨大なデータ転送と情報処理をサーバで行う計算モデルの限界が指摘されている。この問題を解決するため、本研究ではエッジデバイスからサーバへデータ送信する前に必要な処理を行う「エッジコンピューティング」の高効率化に取り組み、深層学習を利用し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アーキテクチャを提案した。提案アーキテクチャをFPGAの演算器ブロックやアクセラレータとして利用することで、高性能省電力なエッジコンピューティングを可能にする高効率プロセッサの実現に繋がると考える。