Um novo artigo técnico intitulado “Otimizando redes neurais baseadas em eventos na arquitetura neuromórfica digital: uma exploração abrangente do espaço de design” foi publicado pela imec, TU Delft e Universidade de Twente.
Sumário
“Os processadores neuromórficos prometem processamento de baixa latência e eficiência energética, adotando novas metodologias de design inspiradas no cérebro. No entanto, as soluções neuromórficas atuais ainda lutam para rivalizar com o desempenho e a eficiência da área dos aceleradores convencionais de aprendizagem profunda em aplicações práticas. O processamento de fluxo de dados orientado a eventos e a computação próxima/na memória são as duas tendências dominantes de design de processadores neuromórficos. No entanto, ainda existem desafios na redução da sobrecarga do processamento orientado a eventos e no aumento da eficiência do mapeamento da computação próxima/na memória, o que impacta diretamente o desempenho e a eficiência da área. Neste trabalho, discutimos esses desafios e apresentamos nossa exploração da otimização da inferência de redes neurais baseadas em eventos no SENECA, uma arquitetura neuromórfica escalável e flexível. Para lidar com a sobrecarga do processamento orientado a eventos, realizamos uma exploração abrangente do espaço de design e propomos agrupamento de picos para reduzir a energia total e a latência. Além disso, introduzimos a convolução em profundidade orientada a eventos para aumentar a eficiência e a latência da área em redes neurais convolucionais (CNNs) no processador neuromórfico. Comparamos nossa solução otimizada em tarefas de identificação de palavras-chave, fusão de sensores, reconhecimento de dígitos e detecção de objetos de alta resolução. Em comparação com outros processadores neuromórficos de grande escala de última geração, nossas otimizações propostas resultam em uma melhoria de 6× a 300× na eficiência energética, uma melhoria de 3× a 15× na latência e uma melhoria de 3× a 100× na eficiência da área. Nossas otimizações para redes neurais baseadas em eventos podem ser potencialmente generalizadas para uma ampla gama de processadores neuromórficos baseados em eventos.”
Encontre o técnico papel aqui. publicado em março de 2024.
Xu, Yingfu, Gert-Jan van Schaik, Alexandra Dobrita, Roy Meijer, Cina Arjmand, Kanishkan Vadivel, Manolis Sifalakis, Guangzhi Tang e Amirreza Yousefzadeh. “Otimizando redes neurais baseadas em eventos na arquitetura neuromórfica digital: uma exploração espacial de design abrangente.” Fronteiras na Neurociência 18: 1335422.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/
