論文の概要: VEDLIoT -- Next generation accelerated AIoT systems and applications
- arxiv url: http://arxiv.org/abs/2305.05388v1
- Date: Tue, 9 May 2023 12:35:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 19:31:25.561346
- Title: VEDLIoT -- Next generation accelerated AIoT systems and applications
- Title(参考訳): VEDLIoT -- 次世代のAIoTシステムとアプリケーション
- Authors: Kevin Mika and Ren\'e Griessl and Nils Kucza and Florian Porrmann and
Martin Kaiser and Lennart Tigges and Jens Hagemeyer and Pedro Trancoso and
Muhammad Waqar Azhar and Fareed Qararyah and Stavroula Zouzoula and J\"ames
M\'en\'etrey and Marcelo Pasin and Pascal Felber and Carina Marcus and Oliver
Brunnegard and Olof Eriksson and Hans Salomonsson and Daniel \"Odman and
Andreas Ask and Antonio Casimiro and Alysson Bessani and Tiago Carvalho and
Karol Gugala and Piotr Zierhoffer and Grzegorz Latosinski and Marco
Tassemeier and Mario Porrmann and Hans-Martin Heyn and Eric Knauss and Yufei
Mao and Franz Meierh\"ofer
- Abstract要約: VEDLIoTプロジェクトは、分散人工知能(AIoT)アプリケーションのためのエネルギー効率のよいディープラーニング方法論の開発を目指している。
我々は,AIoTシステムに固有の安全性とセキュリティ問題に対処しながら,アルゴリズムの最適化に重点を置いた総合的なアプローチを提案する。
- 参考スコア(独自算出の注目度): 4.964750143168832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The VEDLIoT project aims to develop energy-efficient Deep Learning
methodologies for distributed Artificial Intelligence of Things (AIoT)
applications. During our project, we propose a holistic approach that focuses
on optimizing algorithms while addressing safety and security challenges
inherent to AIoT systems. The foundation of this approach lies in a modular and
scalable cognitive IoT hardware platform, which leverages microserver
technology to enable users to configure the hardware to meet the requirements
of a diverse array of applications. Heterogeneous computing is used to boost
performance and energy efficiency. In addition, the full spectrum of hardware
accelerators is integrated, providing specialized ASICs as well as FPGAs for
reconfigurable computing. The project's contributions span across trusted
computing, remote attestation, and secure execution environments, with the
ultimate goal of facilitating the design and deployment of robust and efficient
AIoT systems. The overall architecture is validated on use-cases ranging from
Smart Home to Automotive and Industrial IoT appliances. Ten additional use
cases are integrated via an open call, broadening the range of application
areas.
- Abstract(参考訳): VEDLIoTプロジェクトは、分散人工知能(AIoT)アプリケーションのためのエネルギー効率のよいディープラーニング方法論の開発を目指している。
このプロジェクトでは,AIoTシステム固有の安全性とセキュリティ上の課題に対処しながら,アルゴリズムの最適化に重点を置く,包括的なアプローチを提案する。
このアプローチの基盤はモジュール化されたスケーラブルな認知IoTハードウェアプラットフォームにあり、マイクロサーバ技術を活用して、ユーザがさまざまなアプリケーションの要件を満たすようにハードウェアを設定することができる。
ヘテロジニアスコンピューティングは、パフォーマンスとエネルギー効率を高めるために使用される。
さらに、ハードウェアアクセラレータの全スペクトルが統合され、特殊なASICと再構成可能なコンピューティングのためのFPGAが提供される。
プロジェクトのコントリビューションは、信頼性の高いコンピューティング、リモートテスト、セキュアな実行環境にまたがっており、堅牢で効率的なAIoTシステムの設計とデプロイを促進することが究極の目標である。
全体的なアーキテクチャは、Smart HomeからAutomotive、Industrial IoTアプライアンスに至るまで、ユースケースで検証されている。
さらに10のユースケースがオープンコールを通じて統合され、アプリケーション領域の範囲を広げます。
関連論文リスト
- Using the Abstract Computer Architecture Description Language to Model
AI Hardware Accelerators [77.89070422157178]
AI統合製品の製造者は、製品のパフォーマンス要件に適合するアクセラレータを選択するという、重大な課題に直面します。
抽象コンピュータアーキテクチャ記述言語(ACADL)は、コンピュータアーキテクチャブロック図の簡潔な形式化である。
本稿では,AIハードウェアアクセラレーションのモデル化にACADLを用いること,DNNのマッピングにACADL記述を使用し,タイミングシミュレーションのセマンティクスを解説し,性能評価結果の収集を行う。
論文 参考訳(メタデータ) (2024-01-30T19:27:16Z) - 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) - An Energy-Aware Approach to Design Self-Adaptive AI-based Applications
on the Edge [42.462246527457594]
我々は、自己適応型AIベースのアプリケーションの設計と展開にエネルギーを意識したアプローチを提案する。
本稿では,メタヒューリスティックな探索手順でシステムに自己適応できる構成の集合を決定する問題に対処する。
その結果、我々の自己適応型アプリケーションは、最大81%のエネルギーを節約し、2%から6%の精度で、非適応型ベースライン構成を上回ります。
論文 参考訳(メタデータ) (2023-08-31T09:33:44Z) - DECICE: Device-Edge-Cloud Intelligent Collaboration Framework [44.60377772088869]
DeCICEフレームワークとアーキテクチャについて説明する。
我々は、インテリジェントトラフィック交差点、磁気共鳴イメージング、緊急応答といったフレームワーク評価のユースケースを強調した。
論文 参考訳(メタデータ) (2023-05-04T10:11:14Z) - Developing an AI-enabled IIoT platform -- Lessons learned from early use
case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。
これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文 参考訳(メタデータ) (2022-07-10T18:51:12Z) - Efficient Machine Learning, Compilers, and Optimizations for Embedded
Systems [21.098443474303462]
Deep Neural Networks(DNN)は、高品質なコンピュータビジョン、自然言語処理、仮想現実アプリケーションを提供することによって、膨大な数の人工知能(AI)アプリケーションで大きな成功を収めている。
これらの新興AIアプリケーションは、計算とメモリ要求の増大も伴うため、特に限られた/メモリリソース、厳格な電力予算、小さなフォームファクタが要求される組み込みシステムでは、処理が困難である。
本章では,効率的なアルゴリズム,コンパイラ,組込みシステムに対するさまざまな最適化を実現するための,効率的な設計手法を紹介する。
論文 参考訳(メタデータ) (2022-06-06T02:54:05Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳(メタデータ) (2021-10-04T19:41:42Z) - How to Reach Real-Time AI on Consumer Devices? Solutions for
Programmable and Custom Architectures [7.085772863979686]
ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。
このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。
クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
論文 参考訳(メタデータ) (2021-06-21T11:23:12Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳(メタデータ) (2020-12-25T07:08:50Z)
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。