カスタム LSI (ASIC) の設計が単純かつ高速なプロセスとは程遠いという事実に異論を唱える人はいないでしょう。 しかし、私はそれをもっと速くしたいと思っていますし、そうする必要があります。今日アルゴリズムを発行し、XNUMX週間後に完成したデジタルプロジェクトを持ち帰りました。 実は、高度に専門化されたLSIは、ほとんど一点物です。 これらが数百万単位で必要になることはほとんどなく、可能な限り短期間で開発する必要がある場合には、好きなだけ資金と人的リソースを費やすことができます。 特殊な ASIC、つまりそのタスクを解決するのに最も効果的な ASIC は、開発コストが安くなければなりません。これは、機械学習の開発の現段階で非常に重要になりつつあります。 この面で、コンピューター市場、特に機械学習 (ML) 分野における GPU の進歩によって蓄積された荷物は、もはや避けられません。
ML タスク用の ASIC の設計を高速化するために、DARPA は新しいプログラム、Real Time Machine Learning (RTML) を確立しています。 リアルタイム機械学習プログラムには、特定の ML フレームワーク用のチップ アーキテクチャを自動的に設計できるコンパイラまたはソフトウェア プラットフォームの開発が含まれます。 プラットフォームは、提案された機械学習アルゴリズムとこのアルゴリズムをトレーニングするためのデータセットを自動的に分析し、その後、専用の ASIC を作成するために Verilog でコードを生成する必要があります。 ML アルゴリズムの開発者にはチップ設計者のような知識はなく、設計者が機械学習の原理に精通していることはほとんどありません。 RTML プログラムは、機械学習用の自動 ASIC 開発プラットフォームで両方の利点を確実に組み合わせるのに役立ちます。
RTML プログラムのライフサイクル中に、見つかったソリューションは 5G ネットワークと画像処理という XNUMX つの主要なアプリケーション領域でテストする必要があります。 また、RTML プログラムと、ML アクセラレータの自動設計用に作成されたソフトウェア プラットフォームは、新しい ML アルゴリズムとデータセットの開発とテストに使用されます。 したがって、シリコンを設計する前であっても、新しいフレームワークの見通しを評価することが可能になります。 RTML プログラムにおける DARPA のパートナーは、機械学習問題と ML アルゴリズムの開発にも関与している国立科学財団 (NSF) になります。 開発されたコンパイラは NSF に転送され、DARPA は ML アルゴリズムを設計するためのコンパイラとプラットフォームを受け取ることを期待しています。 将来的には、ハードウェアの設計とアルゴリズムの作成が統合されたソリューションとなり、リアルタイムで自己学習するマシン システムの出現につながるでしょう。
出所： 3dnews.ru