| 研究課題/領域番号 |
18H03217
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60040:計算機システム関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
木村 晋二 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (20183303)
|
|---|
| 研究分担者 |
戸川 望 早稲田大学, 理工学術院, 教授 (30298161)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2020年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2019年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2018年度: 9,230千円 (直接経費: 7,100千円、間接経費: 2,130千円)
|
|---|
| キーワード | エラー耐性に基づく最適化 / 誤差解析 / Approximate Computing / 誤差と計算結果の関係 / 近似計算 / データ表現形式 / 共有指数表現 / データ表現と誤差解析 / データ圧縮 / 再構成可能アーキテクチャ / データ表現と精度保証 |
|---|
| 研究成果の概要 |
再構成アクセラレータにおけるデータ形式最適化と精度保証という題目で、FPGA (Field Programmable Gate Array) に代表されるような、ハードウェアの再構成で応用毎に専用のアクセラレータハードウェアを構築できる再構成アクセラレータに対して、データの表現方法と最終的な解の精度を保証する手法の研究を行った。画像処理や画像認識に対して、応用が持つ計算誤差への耐性に基づき、最適なデータ表現および最適な演算器を構築する手法の研究を行った。具体的には、データ表現や演算器に対する誤差の解析手法の提案と評価を行った。
|
| 研究成果の学術的意義や社会的意義 |
近年、CNN (Convolutional Neural Network, 畳み込みニューラルネットワーク)のように、非常に多くの演算を必要とする応用が用いられるようになってきた。そのハードウェアによる高速化は実応用においては非常に重要であり、端末側からサーバー側まで広くハードウェアアクセラレータが用いられている。再構成アクセラレータはそのような応用志向のハードウェアを実現するプラットフォームであり、本プロジェクトで、実際に再構成アクセラレータへ向けたデータ表現とその誤差評価の手法や演算器の提案を行ったことは、学術上および実用上の意義が高い。
|
