Ricercatori dell'Università di Fukuoka, in Giappone, hanno recentemente proposto una metodologia di progettazione per circuiti aritmetici approssimati configurabili. Come parte del loro studio, pubblicato su ResearchGate, hanno applicato il loro metodo a un sistema prototipo per l'elaborazione delle immagini che si basa su reti neurali profonde.

Il calcolo approssimativo è una tecnica di calcolo promettente che si basa sulla capacità di molti sistemi di tollerare una perdita di qualità o ottimalità nei risultati calcolati. Riducendo la necessità di operazioni precise o completamente deterministiche, può raggiungere alte prestazioni con un minor consumo di energia.

Mentre molti studi di ricerca si sono concentrati sui circuiti aritmetici approssimativi, circuiti approssimativi configurabili sono diventati interessanti solo di recente. Una delle sfide chiave in questo campo è determinare i parametri per le configurazioni di questi circuiti, un compito che spesso può essere difficile e noioso.

"La nostra ricerca attuale si concentra su circuiti aritmetici approssimativi, "Toshinori Sato, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Questi circuiti scambiano la precisione di calcolo con altri vincoli di progettazione come potenza, velocità e dimensioni. Questo li rende specifici per l'applicazione, piuttosto che per scopi generali. Avevamo bisogno di un metodo di progettazione semplice per circuiti specifici dell'applicazione che mostrasse l'utilità dei circuiti aritmetici approssimativi. Abbiamo pensato che le reti neurali potessero aiutare a facilitare la progettazione dei circuiti".

La ricerca passata sui circuiti approssimati configurabili ha considerato principalmente la struttura del circuito, senza esaminare i dati di destinazione. Ciò rende impossibile per i progettisti eseguire ottimizzazioni basate su dati specifici. Il metodo ideato da Sato e dai suoi colleghi, d'altra parte, è orientato ai dati trattati, considerando così sia le applicazioni che i loro dati contemporaneamente.

"Abbiamo addestrato il nostro prototipo per identificare la relazione tra i parametri di progettazione del circuito e la qualità dell'immagine elaborata, " Ha spiegato Sato. "Dopo l'allenamento, il prototipo è stato in grado di generare un design ottimale da circuiti aritmetici approssimativi configurabili, quando viene fornita un'immagine specifica."

Nel progetto proposto da Sato e dai suoi colleghi, il generatore di circuito approssimativo considera i suoi dati di destinazione, così come alcuni vincoli di progettazione e requisiti utente. Il loro approccio gestisce anche circuiti approssimativi parametrizzati, determinandone automaticamente i parametri. Ciò solleva i progettisti dal compito noioso e dispendioso in termini di tempo di determinare manualmente i parametri.

"La caratteristica più caratteristica del nostro metodo è che è diretto ai dati, " Ha detto Sato. "Molti studi hanno preso di mira una specifica applicazione di dominio, ma crediamo che solo pochi considerino contemporaneamente sia le applicazioni che i loro dati. Questa caratteristica è importante, in quanto potrebbe in definitiva facilitare l'adozione diffusa di circuiti approssimativi."

I ricercatori hanno valutato il loro metodo, applicandolo a un prototipo basato su rete neurale profonda proof-of-concept per l'elaborazione delle immagini. Il loro design ha ottenuto risultati promettenti, elaborazione delle immagini quasi come gli approcci tradizionali con miglioramenti significativi in ​​termini di potenza (33,28 percento), ritardo (5,67 percento) e area (21,86 percento).

"Il nostro prototipo è ancora in una fase iniziale di sviluppo, " Ha detto Sato. "Ora dobbiamo migliorarlo in modo che possa considerare più esigenze dei progettisti, come il consumo di energia, ritardo e dimensione del circuito. Di conseguenza, vorremmo anche applicare la metodologia ad altre applicazioni oltre all'elaborazione delle immagini."

© 2018 Science X Network