Ein neues technisches Papier mit dem Titel „Optimierung ereignisbasierter neuronaler Netze auf digitaler neuromorpher Architektur: eine umfassende Erforschung des Designraums“ wurde von imec, der TU Delft und der Universität Twente veröffentlicht.
Abstrakt
„Neuromorphe Prozessoren versprechen durch die Anwendung neuartiger, vom Gehirn inspirierter Designmethoden eine niedrige Latenz und eine energieeffiziente Verarbeitung. Dennoch haben aktuelle neuromorphe Lösungen immer noch Schwierigkeiten, mit der Leistung und Flächeneffizienz herkömmlicher Deep-Learning-Beschleuniger in praktischen Anwendungen mithalten zu können. Ereignisgesteuerte Datenflussverarbeitung und Near-/In-Memory-Computing sind die beiden vorherrschenden Designtrends neuromorpher Prozessoren. Es bestehen jedoch weiterhin Herausforderungen bei der Reduzierung des Overheads der ereignisgesteuerten Verarbeitung und der Steigerung der Mapping-Effizienz von Near-/In-Memory-Computing, was sich direkt auf die Leistung und Bereichseffizienz auswirkt. In dieser Arbeit diskutieren wir diese Herausforderungen und präsentieren unsere Erforschung der Optimierung ereignisbasierter neuronaler Netzwerkinferenz auf SENECA, einer skalierbaren und flexiblen neuromorphen Architektur. Um den Overhead der ereignisgesteuerten Verarbeitung zu bewältigen, führen wir eine umfassende Design-Space-Erkundung durch und schlagen Spike-Gruppierung vor, um die Gesamtenergie und Latenz zu reduzieren. Darüber hinaus führen wir die ereignisgesteuerte Tiefenfaltung ein, um die Flächeneffizienz und Latenz in Faltungs-Neuronalen Netzen (CNNs) auf dem neuromorphen Prozessor zu erhöhen. Wir haben unsere optimierte Lösung im Hinblick auf Schlüsselworterkennung, Sensorfusion, Ziffernerkennung und hochauflösende Objekterkennungsaufgaben verglichen. Im Vergleich zu anderen hochmodernen neuromorphen Großprozessoren führen unsere vorgeschlagenen Optimierungen zu einer 6- bis 300-fachen Verbesserung der Energieeffizienz, einer 3- bis 15-fachen Verbesserung der Latenz und einer 3- bis 100-fachen Verbesserung in der Flächeneffizienz. Unsere Optimierungen für ereignisbasierte neuronale Netze können möglicherweise auf eine breite Palette ereignisbasierter neuromorpher Prozessoren verallgemeinert werden.“
Finden Sie das Technische Papier hier. veröffentlicht im März 2024.
Xu, Yingfu, Gert-Jan van Schaik, Alexandra Dobrita, Roy Meijer, Cina Arjmand, Kanishkan Vadivel, Manolis Sifalakis, Guangzhi Tang und Amirreza Yousefzadeh. „Optimierung ereignisbasierter neuronaler Netze auf digitaler neuromorpher Architektur: Eine umfassende Erforschung des Designraums.“ Grenzen der Neurowissenschaften 18: 1335422.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/
