머신러닝용 ASIC은 자동으로 설계되어야 합니다.

맞춤형 LSI(ASIC)를 설계하는 것이 간단하고 빠른 프로세스와는 거리가 멀다는 사실에 대해 누구도 이의를 제기하지 않을 것입니다. 하지만 저는 그것이 더 빠르기를 원하고 필요합니다. 오늘 저는 알고리즘을 발행했고 일주일 후에 완성된 디지털 프로젝트를 가져갔습니다. 사실 고도로 전문화된 LSI는 거의 일회성 제품입니다. 수백만 개의 배치로 필요한 경우는 거의 없으며, 가능한 한 최단 시간 내에 완료해야 하는 경우 원하는 만큼 많은 돈과 인적 자원을 개발에 소비할 수 있습니다. 따라서 작업을 해결하는 데 가장 효과적인 특수 ASIC은 개발 비용이 더 저렴해야 하며, 이는 현재 기계 학습 개발 단계에서 매우 중요해지고 있습니다. 이런 면에서 컴퓨터 시장에 쌓인 짐, 특히 머신러닝(ML) 분야의 GPU 혁신은 더 이상 피할 수 없습니다.

ML 작업을 위한 ASIC 설계 속도를 높이기 위해 DARPA는 RTML(Real Time Machine Learning)이라는 새로운 프로그램을 구축하고 있습니다. 실시간 기계 학습 프로그램에는 특정 ML 프레임워크에 대한 칩 아키텍처를 자동으로 설계할 수 있는 컴파일러 또는 소프트웨어 플랫폼 개발이 포함됩니다. 플랫폼은 제안된 기계 학습 알고리즘과 이 알고리즘을 훈련하기 위한 데이터 세트를 자동으로 분석한 후 Verilog에서 코드를 생성하여 특수 ASIC을 생성해야 합니다. ML 알고리즘 개발자는 칩 설계자에 대한 지식이 없으며 설계자는 기계 학습 원리에 익숙하지 않습니다. RTML 프로그램은 두 가지 장점이 기계 학습을 위한 자동화된 ASIC 개발 플랫폼에 결합되도록 보장해야 합니다.

RTML 프로그램의 수명 주기 동안 발견된 솔루션은 5G 네트워크와 이미지 처리라는 두 가지 주요 응용 분야에서 테스트되어야 합니다. 또한 RTML 프로그램과 ML 가속기의 자동 설계를 위해 생성된 소프트웨어 플랫폼은 새로운 ML 알고리즘 및 데이터 세트를 개발하고 테스트하는 데 사용됩니다. 따라서 실리콘을 설계하기 전에도 새로운 프레임워크의 전망을 평가할 수 있습니다. RTML 프로그램에서 DARPA의 파트너는 NSF(National Science Foundation)가 될 것입니다. NSF는 기계 학습 문제 및 ML 알고리즘 개발에도 참여하고 있습니다. 개발된 컴파일러는 NSF로 이전될 예정이며, DARPA는 ML 알고리즘 설계를 위한 컴파일러와 플랫폼을 받을 것으로 기대하고 있습니다. 미래에는 하드웨어 설계와 알고리즘 생성이 통합 솔루션이 되어 실시간으로 스스로 학습하는 기계 시스템이 등장할 것입니다.

출처 : 3dnews.ru