| 研究課題/領域番号 |
18K04287
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21060:電子デバイスおよび電子機器関連
|
|---|
| 研究機関 | 岡山県立大学 |
|---|
研究代表者 |
有本 和民 岡山県立大学, 情報工学部, 特任教授 (10501223)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2020年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 組込みシステム / FPGA / 省電力回路 / ニューラルネットワーク / エッジコンピューティング / FPAG / 並列パイプライン / エッジデバイス / IoT / 並列パイプライン処理 / ノーマリオフコンピューティング / パイプライン処理 / プロセッサ / 省電力 / マルチコア / 画像認識 |
|---|
| 研究成果の概要 |
FPGAに適した組込み用ニューラルネットアーキテクチャを検討し、同FPGAに推論処理アクセラレータを実装する。FPGAへの実装方式の違いによる処理スループットと実行時消費電力が変化することを検証し、エッジ側でデータ収集・分析する低消費電力・低レイテンシのAIシステムシステム性能を評価した。
実装にはXilinx ZCU102開発キット環境を使用し、センシングデータ用ニューラルネットを検討し、FPGAへの実装方式について性能と電力の比較調査を行った。回路実装時の並列パイプライン化によって処理性能を10倍以上に向上させることを確認し、枝刈りと並列パイプライン化との親和性が高いことを明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
サイバーフィジカルシステムがクラウドベースから、エッジ・クラウド協調型へシフトする。エッジデバイスで低消費電力・低レイテンシのニューラルネットワーク推論処理を実行し、高電力効率のFPGAデバイスでの推論処理アクセラレータによるHWフォーム基盤技術が強く求められる。
IoT の普及により、多種多様なセンシングデータの収集や分析の重要性が高まり、センシングデータから有為な知見を得るためにAIが利用される。将来的に10億台以上にまで増加すると予想され、エッジ側でデータ収集・分析する低消費電力・低レイテンシのAIシステムとして、処理性能を10倍以上に向上させることを示した意義は大きい。
|
