論文の概要: RANC: Reconfigurable Architecture for Neuromorphic Computing
- arxiv url: http://arxiv.org/abs/2011.00624v1
- Date: Sun, 1 Nov 2020 20:29:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:30:03.217441
- Title: RANC: Reconfigurable Architecture for Neuromorphic Computing
- Title（参考訳）: RANC:ニューロモルフィックコンピューティングのための再構成可能なアーキテクチャ
- Authors: Joshua Mack, Ruben Purdy, Kris Rockowitz, Michael Inouye, Edward
Richter, Spencer Valancius, Nirmal Kumbhare, Md Sahil Hassan, Kaitlin Fair,
John Mixter, Ali Akoglu
- Abstract要約: 本稿では、ニューロモルフィックコンピューティングのための再構成可能なアーキテクチャRANCを提案する。
RANCはC++シミュレーションとFPGAエミュレーションによるハードウェアによるニューロモルフィックアーキテクチャの迅速な実験を可能にする。
我々は,IBMのTrueNorthの挙動を再現する能力を示すことで,RANCエコシステムの有用性を示す。
259Kの異なる神経細胞と73.3Mの異なるシナプスをエミュレートする神経型アーキテクチャを実証する。
- 参考スコア（独自算出の注目度）: 1.1534748916340396
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neuromorphic architectures have been introduced as platforms for energy
efficient spiking neural network execution. The massive parallelism offered by
these architectures has also triggered interest from non-machine learning
application domains. In order to lift the barriers to entry for hardware
designers and application developers we present RANC: a Reconfigurable
Architecture for Neuromorphic Computing, an open-source highly flexible
ecosystem that enables rapid experimentation with neuromorphic architectures in
both software via C++ simulation and hardware via FPGA emulation. We present
the utility of the RANC ecosystem by showing its ability to recreate behavior
of the IBM's TrueNorth and validate with direct comparison to IBM's Compass
simulation environment and published literature. RANC allows optimizing
architectures based on application insights as well as prototyping future
neuromorphic architectures that can support new classes of applications
entirely. We demonstrate the highly parameterized and configurable nature of
RANC by studying the impact of architectural changes on improving application
mapping efficiency with quantitative analysis based on Alveo U250 FPGA. We
present post routing resource usage and throughput analysis across
implementations of Synthetic Aperture Radar classification and Vector Matrix
Multiplication applications, and demonstrate a neuromorphic architecture that
scales to emulating 259K distinct neurons and 73.3M distinct synapses.
- Abstract（参考訳）: ニューロモルフィックアーキテクチャは、エネルギー効率の良いスパイクニューラルネットワークの実行のためのプラットフォームとして導入された。
これらのアーキテクチャによって提供される巨大な並列性は、非機械学習アプリケーションドメインからの関心も引き起こしている。
ハードウェアデザイナとアプリケーション開発者の参入障壁を緩和するために、ranc: a reconfigurable architecture for neuromorphic computing(ニューロモルフィックコンピューティングのための再構成可能なアーキテクチャ、c++シミュレーションとfpgaエミュレーションによるハードウェアによる両方のソフトウェアにおけるニューロモルフィックアーキテクチャの迅速な実験を可能にする、オープンソースで柔軟なエコシステム)を紹介します。
我々は,IBMのTrueNorthの挙動を再現し,IBMのCompassシミュレーション環境や出版文献と直接比較して検証し,RANCエコシステムの有用性を示す。
RANCは、アプリケーションの洞察に基づくアーキテクチャの最適化と、アプリケーションの新しいクラスを完全にサポートできる将来のニューロモルフィックアーキテクチャのプロトタイプを可能にする。
本稿では,Alveo U250 FPGA を用いた定量的解析によるアプリケーションマッピング効率の向上に対するアーキテクチャ変更の影響について検討し,RANC のパラメータ化と構成性について述べる。
本稿では、合成開口レーダ分類とベクトル行列乗算の応用によるルーティングリソースの利用状況とスループット分析を行い、259Kの異なるニューロンと73.3Mの異なるシナプスをエミュレートするニューロモルフィックアーキテクチャを実証する。
関連論文リスト
- A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたスパイクニューラルネットワークシミュレータである。
その結果,ソフトウェアでトレーニングしたスパイクニューラルネットワークの挙動を,信頼性の高い推定結果として提示した。
論文 参考訳（メタデータ） (2024-09-23T11:16:46Z) - GPU-RANC: A CUDA Accelerated Simulation Framework for Neuromorphic Architectures [1.3401966602181168]
ニューロモーフィックコンピューティングのための再構成可能なアーキテクチャ(RANC)のGPUによる実装について紹介する。
512個のニューロモルフィックコアMNIST推論アプリケーションに基づくRANCシミュレータのシリアルバージョンと比較して,最大780倍の高速化を示した。
論文 参考訳（メタデータ） (2024-04-24T21:08:21Z) - Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。
本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。
我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文 参考訳（メタデータ） (2024-03-26T16:33:12Z) - AutoML for neuromorphic computing and application-driven co-design:
asynchronous, massively parallel optimization of spiking architectures [3.8937756915387505]
我々は、ニューロモルフィックアーキテクチャの探索と最適化にAutoMLにインスパイアされたアプローチを拡張した。
ニューロモルフィックアーキテクチャの構成空間を効率的に探索し、最高の性能につながる条件のサブセットを特定することができる。
論文 参考訳（メタデータ） (2023-02-26T02:26:45Z) - BaLeNAS: Differentiable Architecture Search via the Bayesian Learning
Rule [95.56873042777316]
近年,微分可能なアーキテクチャ探索 (DARTS) が注目されている。
本稿では,アーキテクチャ重みをガウス分布に緩和することにより,ニューラルネットワーク探索を分布学習問題として定式化する。
ベイズ主義の原理から異なるNASがいかに恩恵を受け、探索を強化し、安定性を向上するかを実証する。
論文 参考訳（メタデータ） (2021-11-25T18:13:42Z) - Multi-Exit Vision Transformer for Dynamic Inference [88.17413955380262]
視覚変換器のバックボーンの動的推論に使用できる早期出口分岐のための7つの異なるアーキテクチャを提案する。
提案したアーキテクチャのそれぞれが,精度と速度のトレードオフにおいて有用であることを示す。
論文 参考訳（メタデータ） (2021-06-29T09:01:13Z) - NeuroXplorer 1.0: An Extensible Framework for Architectural Exploration
with Spiking Neural Networks [3.9121275263540087]
本稿では、ニューロモルフィックアーキテクチャをモデル化するための一般化テンプレートに基づくフレームワークであるNeuroXplorerを提案する。
NeuroXplorerは、低レベルのサイクル精度アーキテクチャシミュレーションと、データフローの抽象化による高レベルの解析の両方を実行することができる。
我々は,多くの最先端機械学習モデルを用いたケーススタディを通じて,NeuroXplorerのアーキテクチャ探索能力を実証する。
論文 参考訳（メタデータ） (2021-05-04T23:31:11Z) - A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。
アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文 参考訳（メタデータ） (2020-05-14T09:02:33Z) - Stage-Wise Neural Architecture Search [65.03109178056937]
ResNetやNASNetのような現代の畳み込みネットワークは、多くのコンピュータビジョンアプリケーションで最先端の結果を得た。
これらのネットワークは、同じ解像度で表現を操作するレイヤのセットであるステージで構成されている。
各ステージにおけるレイヤー数の増加はネットワークの予測能力を向上させることが示されている。
しかし、結果として得られるアーキテクチャは、浮動小数点演算、メモリ要求、推論時間の観点から計算的に高価になる。
論文 参考訳（メタデータ） (2020-04-23T14:16:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。