Fugu-MT 論文翻訳(概要): Principles of Stochastic Computing: Fundamental Concepts and Applications

論文の概要: Principles of Stochastic Computing: Fundamental Concepts and Applications

arxiv url: http://arxiv.org/abs/2011.05153v1
Date: Sun, 8 Nov 2020 10:40:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 08:44:33.139312
Title: Principles of Stochastic Computing: Fundamental Concepts and Applications
Title（参考訳）: 確率計算の原理 : 基本概念と応用
Authors: S. Rahimi Kari
Abstract要約: 我々は、コンピューティングとその実装技術の背後にある原則について研究することを目指している。計算を利用することで、エネルギー効率を向上させることができる。また, 未来的BLSIとニューロモルフィックシステムの設計におけるシステム連携の普及を目指す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The semiconductor and IC industry is facing the issue of high energy consumption. In modern days computers and processing systems are designed based on the Turing machine and Von Neumann's architecture. This architecture mainly focused on designing systems based on deterministic behaviors. To tackle energy consumption and reliability in systems, Stochastic Computing was introduced. In this research, we aim to review and study the principles behind stochastic computing and its implementation techniques. By utilizing stochastic computing, we can achieve higher energy efficiency and smaller area sizes in terms of designing arithmetic units. Also, we aim to popularize the affiliation of Stochastic systems in designing futuristic BLSI and Neuromorphic systems.
Abstract（参考訳）: 半導体とIC産業は高エネルギー消費の問題に直面している。現代のコンピュータと処理システムはチューリングマシンとフォン・ノイマンのアーキテクチャに基づいて設計されている。このアーキテクチャは主に決定論的行動に基づくシステムの設計に焦点を当てた。システムのエネルギー消費と信頼性に取り組むため、確率計算を導入した。本研究では,確率計算とその実装技術の背後にある原理をレビューし,研究することを目的とする。確率計算を利用すれば,演算単位の設計においてエネルギー効率が向上し,面積が小さくなる。また,未来的BLSIおよびニューロモルフィックシステムの設計において,確率システムのアフィリエイトを広めることを目指す。

関連論文リスト

Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文参考訳（メタデータ） (2024-02-20T15:23:24Z)
Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
論文参考訳（メタデータ） (2024-01-19T11:04:14Z)
Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文参考訳（メタデータ） (2024-01-11T15:02:15Z)
NeuCASL: From Logic Design to System Simulation of Neuromorphic Engines [4.703575818045364]
従来のフォン・ノイマンシステムでは、CNNのような計算集約アルゴリズムにGFlops/WWは提供できない。最近の非伝統的なコンピューティングアプローチのトレンドは、非常にエネルギー効率の良いコンピューティングシステムを設計することを希望している。ニューロモルフィックコンピューティングは、脳にインスパイアされた回路、新興技術の使用、低パワーな性質で有望なアプローチである。
論文参考訳（メタデータ） (2022-08-06T11:33:05Z)
Core and Periphery as Closed-System Precepts for Engineering General Intelligence [62.997667081978825]
AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
論文参考訳（メタデータ） (2022-08-04T18:20:25Z)
A Survey of Near-Data Processing Architectures for Neural Networks [1.0635248457021496]
ニアデータ処理、機械学習、特にニューラルネットワーク(NN)ベースのアクセラレータは、大きく成長している。 ReRAMと3Dスタックは、NNのためにNDPベースのアクセラレーターを効率的に設計することを約束している。本論文は,機械学習分野のコンピュータアーキテクト,チップ設計者,研究者にとって有用である。
論文参考訳（メタデータ） (2021-12-23T15:15:47Z)
An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文参考訳（メタデータ） (2021-08-09T17:39:09Z)
Neuromorphic scaling advantages for energy-efficient random walk computation [0.28144129864580447]
ニューロモルフィックコンピューティングは、人間のハードウェアで脳の計算構造とアーキテクチャを再現することを目的としている。スパイキングニューロモルフィックアーキテクチャの高次並列性と構成性は、離散時間チェーンを介してランダムウォークを実装するのに適していることを示す。 NMCプラットフォームは十分な規模で,高性能コンピューティングプラットフォームのエネルギー需要を大幅に削減できることがわかった。
論文参考訳（メタデータ） (2021-07-27T19:44:33Z)
Bottom-up and top-down approaches for the design of neuromorphic processing systems: Tradeoffs and synergies between natural and artificial intelligence [3.874729481138221]
ムーアの法則は指数計算能力の期待を加速させており、システム全体の性能を改善するための新たな方法を求める最終段階に近づいている。これらの方法の1つは、生物学的ニューラルネットワークシステムの柔軟性と計算効率を達成することを目的とした、脳にインスパイアされた代替コンピューティングアーキテクチャの探索である。我々は、このパラダイムシフトが実現される際の粒度の異なるレベルについて、その分野の包括的概要を提供する。
論文参考訳（メタデータ） (2021-06-02T16:51:45Z)
On the Role of System Software in Energy Management of Neuromorphic Computing [0.22940141855172028]
我々は、ニューロンとシナプスが消費するエネルギーと、相互接続上の通信スパイクで消費されるエネルギーを考慮し、ニューロモルフィックハードウェアのエネルギー消費を定式化する。次に、ニューロンとシナプスを計算資源に配置し、エネルギー消費量を減らすための単純なマッピング手法を定式化する。 10個の機械学習アプリケーションを用いて本手法を評価し,提案手法がニューロモルフィックコンピューティングシステムのエネルギー消費を著しく減少させることを示す。
論文参考訳（メタデータ） (2021-03-22T23:31:43Z)
Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。スパイキングニューラルネットワークのハードウェア実装の現状について述べる。本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文参考訳（メタデータ） (2020-05-04T13:24:00Z)

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。