提案する深層学習チップの特徴は,NNの複雑さや規模に応じてHW構成を最適化できる点にある.特に,演算精度に着目してHW量を削減する回路最適化できる点が重要なポイントである.現在の深層学習は人工知能の先駆けに過ぎず,人間の知能に近づけるには膨大な計算量をいかに高速,低電力でできるかがカギとなる.一方,GPGPUや商用FPGAなどの汎用デバイスを用いたアプローチではこれらに対し限界が来るのは明らかである.提案する深層学習チップ開発を通して,IoTにおけるエッジサイドでの利用に対し、用途に合わせた最適化な形で処理を実行できる枠組みを示した.
|