मशीन लर्निंगसाठी ASICs स्वयंचलितपणे डिझाइन केले पाहिजेत

सानुकूल एलएसआय (एएसआयसी) डिझाइन करणे ही साधी आणि जलद प्रक्रिया नाही या वस्तुस्थितीवर कोणीही वाद घालेल अशी शक्यता नाही. परंतु मला ते जलद हवे आहे आणि हवे आहे: आज मी एक अल्गोरिदम जारी केला आणि एका आठवड्यानंतर मी पूर्ण डिजिटल प्रकल्प काढून घेतला. वस्तुस्थिती अशी आहे की उच्च विशेषीकृत LSI जवळजवळ एक-ऑफ उत्पादन आहेत. लाखोंच्या तुकड्यांमध्ये याची क्वचितच गरज असते, ज्याच्या विकासावर तुम्ही तुम्हाला हवे तितके पैसे आणि मानवी संसाधने खर्च करू शकता, जर हे शक्य तितक्या कमी वेळेत करणे आवश्यक आहे. विशेष ASICs, आणि म्हणून त्यांची कार्ये सोडवण्यासाठी सर्वात प्रभावी, विकसित करणे स्वस्त असावे, जे मशीन शिक्षणाच्या विकासाच्या सध्याच्या टप्प्यावर मोठे-संबंधित होत आहे. या आघाडीवर, संगणक बाजारपेठेद्वारे जमा केलेले सामान आणि विशेषतः, मशीन लर्निंग (एमएल) क्षेत्रातील GPU यश यापुढे टाळता येणार नाही.

ML टास्कसाठी ASICs च्या डिझाईनला गती देण्यासाठी, DARPA एक नवीन प्रोग्राम स्थापन करत आहे - रिअल टाइम मशीन लर्निंग (RTML). रिअल-टाइम मशीन लर्निंग प्रोग्राममध्ये कंपाइलर किंवा सॉफ्टवेअर प्लॅटफॉर्म विकसित करणे समाविष्ट आहे जे विशिष्ट एमएल फ्रेमवर्कसाठी स्वयंचलितपणे चिप आर्किटेक्चर डिझाइन करू शकते. प्लॅटफॉर्मने प्रस्तावित मशीन लर्निंग अल्गोरिदम आणि या अल्गोरिदमचे प्रशिक्षण देण्यासाठी डेटा सेटचे स्वयंचलितपणे विश्लेषण केले पाहिजे, त्यानंतर एक विशेष ASIC तयार करण्यासाठी व्हेरिलॉगमध्ये कोड तयार केला पाहिजे. ML अल्गोरिदम डेव्हलपर्सना चिप डिझायनर्सचे ज्ञान नसते आणि डिझायनर मशीन लर्निंगच्या तत्त्वांशी क्वचितच परिचित असतात. RTML प्रोग्रामने मशीन लर्निंगसाठी स्वयंचलित ASIC डेव्हलपमेंट प्लॅटफॉर्ममध्ये दोन्हीचे फायदे एकत्रित केले आहेत याची खात्री करण्यात मदत केली पाहिजे.

RTML प्रोग्रामच्या जीवनचक्रादरम्यान, सापडलेल्या उपायांची दोन मुख्य अनुप्रयोग क्षेत्रांमध्ये चाचणी करणे आवश्यक आहे: 5G नेटवर्क आणि प्रतिमा प्रक्रिया. तसेच, RTML प्रोग्राम आणि एमएल एक्सीलरेटर्सच्या स्वयंचलित डिझाइनसाठी तयार केलेले सॉफ्टवेअर प्लॅटफॉर्मचा वापर नवीन एमएल अल्गोरिदम आणि डेटासेट विकसित आणि चाचणी करण्यासाठी केला जाईल. अशा प्रकारे, सिलिकॉनची रचना करण्यापूर्वी, नवीन फ्रेमवर्कच्या संभाव्यतेचे मूल्यांकन करणे शक्य होईल. RTML कार्यक्रमात DARPA चा भागीदार नॅशनल सायन्स फाउंडेशन (NSF) असेल, जो मशीन लर्निंग समस्या आणि ML अल्गोरिदमच्या विकासामध्ये देखील सहभागी आहे. विकसित कंपायलर NSF कडे हस्तांतरित केले जाईल आणि परत DARPA ला ML अल्गोरिदम डिझाइन करण्यासाठी कंपाइलर आणि प्लॅटफॉर्म मिळण्याची अपेक्षा आहे. भविष्यात, हार्डवेअर डिझाइन आणि अल्गोरिदमची निर्मिती हे एकात्मिक उपाय बनतील, ज्यामुळे वास्तविक वेळेत स्वयं-शिक्षण असलेल्या मशीन सिस्टमचा उदय होईल.

स्त्रोत: 3dnews.ru