მანქანათმცოდნეობის ASIC უნდა იყოს შექმნილი ავტომატურად

ნაკლებად სავარაუდოა, რომ ვინმეს შეეკამათება ის ფაქტი, რომ მორგებული LSI-ების (ASIC) დიზაინი შორს არის მარტივი და სწრაფი პროცესისგან. მაგრამ მე მინდა და მჭირდება, რომ ეს უფრო სწრაფი იყოს: დღეს გამოვცე ალგორითმი და ერთი კვირის შემდეგ წავიღე დასრულებული ციფრული პროექტი. ფაქტია, რომ მაღალ სპეციალიზებული LSI-ები თითქმის ერთჯერადი პროდუქტია. ეს იშვიათად არის საჭირო მილიონობით პარტიაში, რომელთა განვითარებაზე შეგიძლიათ დახარჯოთ იმდენი ფული და ადამიანური რესურსი, რამდენიც გსურთ, თუ ეს უნდა გაკეთდეს უმოკლეს დროში. სპეციალიზებული ASIC-ები და, შესაბამისად, ყველაზე ეფექტური მათი ამოცანების გადასაჭრელად, უფრო იაფი უნდა იყოს განვითარება, რაც მეგა-რელევანტური ხდება მანქანათმცოდნეობის განვითარების ამჟამინდელ ეტაპზე. ამ თვალსაზრისით, კომპიუტერული ბაზრის მიერ დაგროვილი ბარგი და, განსაკუთრებით, GPU მიღწევები მანქანათმცოდნეობის სფეროში (ML) ვეღარ იქნება თავიდან აცილებული.

ML ამოცანების ASIC-ების დიზაინის დასაჩქარებლად, DARPA აყალიბებს ახალ პროგრამას - რეალურ დროში მანქანების სწავლებას (RTML). რეალურ დროში მანქანათმცოდნეობის პროგრამა მოიცავს შემდგენელის ან პროგრამული პლატფორმის შემუშავებას, რომელიც ავტომატურად შეიმუშავებს ჩიპის არქიტექტურას კონკრეტული ML ჩარჩოსთვის. პლატფორმამ ავტომატურად უნდა გააანალიზოს შემოთავაზებული მანქანათმცოდნეობის ალგორითმი და მონაცემთა ნაკრები ამ ალგორითმის მომზადებისთვის, რის შემდეგაც მან უნდა შექმნას კოდი Verilog-ში სპეციალიზებული ASIC-ის შესაქმნელად. ML ალგორითმის შემქმნელებს არ აქვთ ჩიპების დიზაინერების ცოდნა და დიზაინერები იშვიათად იცნობენ მანქანური სწავლების პრინციპებს. RTML პროგრამამ უნდა უზრუნველყოს ორივეს უპირატესობების გაერთიანება ავტომატური ASIC განვითარების პლატფორმაში მანქანური სწავლისთვის.

RTML პროგრამის სასიცოცხლო ციკლის განმავლობაში, ნაპოვნი გადაწყვეტილებები უნდა შემოწმდეს ორ ძირითად აპლიკაციის სფეროში: 5G ქსელები და გამოსახულების დამუშავება. ასევე, RTML პროგრამა და შექმნილი პროგრამული პლატფორმები ML ამაჩქარებლების ავტომატური დიზაინისთვის გამოყენებული იქნება ახალი ML ალგორითმებისა და მონაცემთა ნაკრების შემუშავებისა და შესამოწმებლად. ამრიგად, სილიკონის დაპროექტებამდეც კი შესაძლებელი იქნება ახალი ჩარჩოების პერსპექტივების შეფასება. DARPA-ს პარტნიორი RTML პროგრამაში იქნება ეროვნული სამეცნიერო ფონდი (NSF), რომელიც ასევე ჩართულია მანქანათმცოდნეობის პრობლემებსა და ML ალგორითმების შემუშავებაში. განვითარებული შემდგენელი გადაეცემა NSF-ს და უკან DARPA მოელის, რომ მიიღებს შემდგენელს და პლატფორმას ML ალგორითმების დიზაინისთვის. სამომავლოდ, ტექნიკის დიზაინი და ალგორითმების შექმნა გახდება ინტეგრირებული გადაწყვეტა, რაც გამოიწვევს რეალურ დროში თვითსწავლების მანქანური სისტემების გაჩენას.

წყარო: 3dnews.ru