没人会质疑设计定制 LSI (ASIC) 远非一个简单而快速的过程这一事实。 但我希望并且需要它更快：今天我发布了一个算法，一周后我拿走了完成的数字项目。 事实上，高度专业化的 LSI 几乎是一次性产品。 这些很少需要数百万批次，如果需要在最短的时间内完成，您可以在其开发上花费尽可能多的金钱和人力资源。 专用 ASIC 是解决其任务最有效的工具，因此开发成本应该更低，这在机器学习发展的现阶段变得非常重要。 在这方面，计算机市场积累的包袱，尤其是机器学习（ML）领域GPU的突破已经无法回避。
为了加快用于 ML 任务的 ASIC 设计，DARPA 正在建立一个新项目——实时机器学习 (RTML)。 实时机器学习程序涉及开发一个编译器或软件平台，可以自动为特定的机器学习框架设计芯片架构。 该平台应自动分析所提出的机器学习算法和用于训练该算法的数据集，之后应在 Verilog 中生成代码以创建专用 ASIC。 ML算法开发人员不具备芯片设计人员的知识，设计人员也很少熟悉机器学习原理。 RTML 程序应有助于确保将两者的优势结合到用于机器学习的自动化 ASIC 开发平台中。
在 RTML 程序的生命周期中，找到的解决方案需要在两个主要应用领域进行测试：5G 网络和图像处理。 此外，RTML 程序和为机器学习加速器自动设计创建的软件平台将用于开发和测试新的机器学习算法和数据集。 因此，即使在设计芯片之前，也可以评估新框架的前景。 DARPA 在 RTML 项目中的合作伙伴将是美国国家科学基金会 (NSF)，该基金会也参与机器学习问题和 ML 算法的开发。 开发的编译器将转移给 NSF，DARPA 预计将收到用于设计 ML 算法的编译器和平台。 未来，硬件设计和算法创建将成为一个集成的解决方案，这将导致实时自学习的机器系统的出现。
来源： 3dnews.ru