研究課題/領域番号 |
21J11958
|
研究種目 |
特別研究員奨励費
|
配分区分 | 補助金 |
応募区分 | 国内 |
審査区分 |
小区分61040:ソフトコンピューティング関連
|
研究機関 | 北海道大学 |
研究代表者 |
金子 竜也 北海道大学, 情報科学院, 特別研究員(DC2)
|
研究期間 (年度) |
2021-04-28 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
1,700千円 (直接経費: 1,700千円)
2022年度: 800千円 (直接経費: 800千円)
2021年度: 900千円 (直接経費: 900千円)
|
キーワード | 機械学習 / エッジAI / オンライン学習 / 誤差逆伝播法 / 最適化手法 / FPGA / ソフトウェア/ハードウェア協調設計 / 低電力 |
研究開始時の研究の概要 |
我々の身の回りにある携帯機器のようなデバイス(=エッジ端末)上でAIを活用しようとした時に負荷の高い学習処理の実装に関して課題が残っている. 本研究では,エッジAIプラットフォームをより豊かにするために電力や演算リソースが限られたエッジ端末上で,入力から出力を予測する「推論」と正しい出力が得られるようにAIを調整する「学習」という二つの処理を高効率に行うアルゴリズムとアーキテクチャの開発を目的とする.
|
研究実績の概要 |
AIの演算処理は「推論処理」と「学習処理」に大別でき,AIの恩恵を得るためにはどちらの処理も必須である.そのうち,主に積和演算等から成り立つ推論処理については多くのエッジAIソリューションが存在する.一方,エッジでの学習処理については,未だ汎用プロセッサを中心としたソフトウェア的な手法に留まっており,消費電力や演算リソース等の学習処理のコストは極めて高い.そこで本研究は,電力やハードウェア資源が制限されるエッジデバイスにおいて,学習処理を可能とする新規アルゴリズムとそれらを実装するアーキテクチャの構築を目的とした. その一つとして,アナログ回路を導入した「コンピューティングインメモリ(Computing in Memory: CIM)デバイス」のための誤差逆伝播法,およびCIMデバイスを用いて学習処理を行うアーキテクチャの構築を行った.従来のノイマン型アーキテクチャの問題解消に向けた取り組みとして多量のデータ(パラメータ)を保存しているメモリ上で積和演算を行うCIMアーキテクチャが注目されている.本研究では,「ReRAMを用いたCIM AIデバイス」上に学習機能を実現するための新規アルゴリズムの開発を行った.多くのCIM AIデバイスの抱える問題に対処するためディジタル誤差逆伝播法(Digital BP)に着目し,その弱点(性能低下)を補うニューラルネットワークの構造を新たに考案しその性能を示した.当該年度は,査読付き論文誌への投稿とその査読結果を踏まえて電力に関する追加評価を行い,学習部における演算コアの消費電力を10 mW以下にできることを示した.また,同等のアーキテクチャ構造(CIMデバイスを外部メモリとして扱い,学習を専用回路で行う)を持つ他の研究と比較し,その優位性を議論した.上記結果をまとめたものを現在論文誌へと投稿中である.
|
現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|