| 研究課題/領域番号 |
19K11885
|
|---|
| 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60040:計算機システム関連
|
|---|
| 研究機関 | 東京都市大学 |
|---|
研究代表者 |
瀬戸 謙修 東京都市大学, 理工学部, 講師 (10420241)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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。
|
| 研究成果の概要 |
ニューラルネットワークの複数のレイヤを並列実行するハードウェアである融合型ニューラルネットワークアクセラレータでは、中間結果をオンチップメモリに保存することでオフチップメモリアクセスを削減することができ、その結果、消費エネルギー削減効果を期待できる。本研究課題では、融合型ニューラルネットワークアクセラレータのアーキテクチャ最適化に有効な、ループ最適化やメモリアクセス最適化技術の開発に成功した。メモリアクセス最適化では、自動ラインバッファ化で有効なスカラリプレイス技術について、複数の書き込みアクセスが扱えなかった課題を解決した。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
