ASIC för maskininlärning bör designas automatiskt

Det råder knappast några tvivel om att design av skräddarsydda ASIC:er är en långt ifrån enkel och snabb process. Och det är just det man önskar och behöver – att det ska gå snabbare: idag får man algoritmen, och om en vecka hämtar man den färdiga digitala designen. Problemet är att super-specialiserade ASIC:er är i stort sett en hantverksprodukt. De efterfrågas sällan i miljonpartier, som det skulle vara möjligt att spendera hur mycket pengar och personalresurser som helst på att utveckla om det behövs på kort tid. Specialiserade, och därmed mest effektiva, ASIC:er för att lösa sina uppgifter måste utvecklas billigare, vilket är oerhört aktuellt i den nuvarande utvecklingen av maskininlärning. På denna front går det inte längre att förlita sig på den kunskap som har samlats av datormarknaden och särskilt de framsteg som gjorts inom GPU-teknologin för maskininlärning (ML).

För att påskynda designprocessen för ASIC för ML-uppgifter inrättar DARPA en ny program – Real Time Machine Learning (RTML). Programmet för verklig tidens maskininlärning syftar till att utveckla en kompilator eller programplattform som kan automatiskt designa chiparkitektur för specifika ML-ramverk. Plattformen ska automatiskt analysera den föreslagna algoritmen för maskininlärning och datamängden för att träna denna algoritm, varefter den ska generera kod på Verilog för att skapa en specialiserad ASIC. Speciella inom algoritmutveckling för ML har inte kunskaper inom chipdesign, och chipdesigners är sällan bekanta med principerna för maskininlärning. Programmet RTML bör underlätta så att styrkorna hos båda parter förenas i en automatiserad plattform för utveckling av ASIC för maskininlärning.

Under the lifecycle of the RTML program, the solutions found must be evaluated in two main application areas: operation in 5G networks and image processing. Additionally, the RTML program and the created software platforms for the automatic design of ML accelerators will be used for the development and testing of new ML algorithms and datasets. This way, even before the design of the 'silicon,' it will be possible to assess the prospects of new frameworks. The partner of DARPA in the RTML program is the National Science Foundation (NSF), which is also involved in issues of machine learning and the development of ML algorithms. The developed compiler will be handed over to the NSF, and DARPA expects to receive back a compiler and a platform for designing ML algorithms. In the future, hardware design and algorithm creation will be a comprehensive solution, leading to the emergence of real-time self-learning machine systems.

Källa: 3dnews.ru