論文の概要: ProWAFT: A ROMA-LPD Instance for Workload-Aware and Dynamic Fault Tolerance in FPGA-Based CNN Accelerators

• arxiv url: http://arxiv.org/abs/2607.01602v1
• Date: Thu, 02 Jul 2026 02:04:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.638088
• Title: ProWAFT: A ROMA-LPD Instance for Workload-Aware and Dynamic Fault Tolerance in FPGA-Based CNN Accelerators
• Title（参考訳）: ProWAFT:FPGAベースのCNNアクセラレータにおけるワークロード認識と動的フォールトトレランスのためのROMA-LPDインスタンス
• Abstract要約: ProWAFTはFPGAベースのCNNアクセラレータのためのプロアクティブなワークロード対応のフォールトトレランスフレームワークである。 ワークロードの臨界性を定量化し、障害伝播と再構成のオーバーヘッドをモデル化し、レイテンシ、エネルギ、信頼性リスクに対する複合的な目標を最小限に抑える構成を選択する。 オンライン決定オーバーヘッドの少ないタスク成功率とほぼベースラインスループットを維持しながら、静的なTMRとリアクティブな再構成よりも低コストで実現できる。
• 参考スコア（独自算出の注目度）: 2.086390969501109
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: SRAM-based FPGAs provide an attractive platform for energy- and latency-constrained CNN inference at the network edge, yet transient faults can lead to silent errors that compromise reliability. Always-on redundancy (e.g., full TMR) improves correctness but incurs substantial performance and energy overhead, while reactive recovery may introduce unacceptable latency on the critical path. We propose \textbf{ProWAFT}, a proactive workload-aware fault-tolerance framework for FPGA-based CNN accelerators that uses partial reconfiguration to selectively apply TMR across reconfigurable partitions. ProWAFT quantifies workload criticality, models fault propagation and reconfiguration overhead, and selects configurations that minimize a composite objective over latency, energy, and reliability risk. Implemented on a Xilinx Zynq UltraScale+ ZCU104 platform with six reconfigurable regions and evaluated on a 500-task trace derived from ResNet-18, MobileNetV2, and EfficientNet-Lite under time-varying SEU injection, ProWAFT achieves lower composite cost than static TMR and reactive reconfiguration while maintaining high task success rate and near-baseline throughput with low online decision overhead.
• Abstract（参考訳）: SRAMベースのFPGAは、ネットワークエッジにおけるエネルギーとレイテンシに制約のあるCNN推論のための魅力的なプラットフォームを提供する。 常にオンの冗長性(フルTMRなど)は正確性を改善するが、大幅なパフォーマンスとエネルギーオーバーヘッドを引き起こす一方、リアクティブリカバリはクリティカルパスに許容できないレイテンシをもたらす可能性がある。 本稿では,FPGA ベースの CNN アクセラレータに対する能動的ワークロード対応のフォールトトレランスフレームワークである \textbf{ProWAFT} を提案する。 ProWAFTは、ワークロードの臨界性を定量化し、障害の伝播と再構成のオーバーヘッドをモデル化し、レイテンシ、エネルギ、信頼性リスクに対する複合的な目標を最小限に抑える構成を選択する。 6つの再構成可能なリージョンを持つXilinx Zynq UltraScale+ ZCU104プラットフォーム上に実装され、ResNet-18、MobileNetV2、EfficientNet-Liteから派生した500タスクトレースに基づいてSEUインジェクションにより評価される。

関連論文リスト

• Reducing ANN-SNN Conversion Error via Residual Membrane Potential Alignment [52.910770415431244]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングのコアアーキテクチャとして機能する。 ANN-SNN変換は、低レイテンシでエネルギー効率のよい推論のために、よく訓練されたANN重みを再利用することで問題を回避している。 既存の変換方式は、小さなタイミングで精度の低下、大きな推論遅延、累積量子化誤差に悩まされている。
  論文  参考訳（メタデータ） (2026-08-14T04:46:03Z)
• A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
  車両の直接遠隔操作は重要な技術的ボトルネックに直面している。 通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。 本稿では,一方的な遠隔操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T01:51:08Z)
• Emulated Integrity Replica: Enabling Self-Healing on FPGA SoCs via Hierarchical Twins [4.079848915785294]
  畳み込みニューラルネットワーク(CNN)は、ハードウェアアクセラレーション推論が低レイテンシエッジコンピューティングを可能にするシステムオンチップ(SoC)プラットフォームにますますデプロイされている。 FPGA SOCのための階層型デジタルツインフレームワークであるEmulated Integrity Replica (EIR)を提案する。
  論文  参考訳（メタデータ） (2026-07-14T03:14:00Z)
• ReSCom: A Reconfigurable Spiking Neural Network Accelerator Using Stochastic Computing [0.0]
  ReSComは、安定した推論を維持しながらハードウェアの複雑さを低減する再構成可能なSNNアクセラレータである。 統一された再構成可能な設計では、単一のハードウェアフレームワーク内でIntegrate-and-Fire、Leaky-and-Fire、Synapticニューロンモデルをサポートする。
  論文  参考訳（メタデータ） (2026-06-11T16:44:08Z)
• Jamming-Resilient PRB Reservation for Latency-Critical O-RAN Network Slicing [0.8594140167290097]
  産業用5Gダウンリンクシステムでは、対向ジャミングは、有効な物理リソースブロック容量を劇的に削減することができる。 本稿では,スライスしたO-RAN配置におけるRBB割り当てのためのリザーブベースレジリエンスフレームワークを提案する。 我々は、制約付き逐次決定問題として予約活性化を定式化し、非定常ジャミングの下で効果的な制御ポリシーを学ぶために、マスク付きディープQネットワークを設計する。
  論文  参考訳（メタデータ） (2026-05-28T22:18:25Z)
• Ge$^\ ext{2}$mS-T: Multi-Dimensional Grouping for Ultra-High Energy Efficiency in Spiking Transformer [84.8831358775386]
  スパイキングニューラルネットワーク(SNN)は、ニューラルネットワーク(ANN)よりも優れたエネルギー効率を提供する ANN-SNN ConversionやSpatial-Temporal Backpropagation (STBP)といった既存のパラダイムは、固有の制限に悩まされている。 Ge$text2$mS-Tを提案する。これは時間的・空間的・ネットワーク的構造次元にまたがるグループ計算を実装した新しいアーキテクチャである。
  論文  参考訳（メタデータ） (2026-04-10T02:58:46Z)
• An FPGA-Based SoC Architecture with a RISC-V Controller for Energy-Efficient Temporal-Coding Spiking Neural Networks [0.0]
  スパイキングニューラルネットワーク(SNN)は、低消費電力エッジAIに理想的な高エネルギー効率とイベント駆動型計算を提供する。 本稿では,RISC-Vコントローラをイベント駆動型SNNコアに統合した,時間的符号化SNNのためのコンパクトなSystem-on-Chipアーキテクチャを提案する。 アーキテクチャはXilinx Artix-7 FPGAで完全に動作し、最大16倍のメモリ削減を実現している。
  論文  参考訳（メタデータ） (2026-03-17T23:39:13Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Dynamic Speculative Agent Planning [57.630218933994534]
  大規模な言語モデルベースのエージェントは、遅延の禁止と推論コストのために、重要なデプロイメント課題に直面している。 本稿では,オンライン強化学習フレームワークである動的投機計画(Dynamic Speculative Planning, DSP)を紹介する。 2つの標準エージェントベンチマークの実験では、DSPは高速加速法に匹敵する効率を達成し、総コストを30%削減し、不要コストを60%まで削減している。
  論文  参考訳（メタデータ） (2025-09-02T03:34:36Z)
• LLM4DistReconfig: A Fine-tuned Large Language Model for Power Distribution Network Reconfiguration [1.3453966060917504]
  DERの統合と顧客参加の増加により、配電ネットワークは進化している。 最適動作を維持し、損失を最小限に抑え、様々な負荷要求を満たすためには、頻繁なネットワーク再構成が必要である。 データ駆動の再構成は、不完全なネットワークデータに対する正確性、速度、堅牢性のために勢いを増している。
  論文  参考訳（メタデータ） (2025-01-24T22:46:14Z)
• Efficient Parallel Split Learning over Resource-constrained Wireless Edge Networks [44.37047471448793]
  本稿では,エッジコンピューティングパラダイムと並列分割学習(PSL)の統合を提唱する。 そこで本研究では,モデル学習を高速化するために,効率的な並列分割学習(EPSL)という革新的なPSLフレームワークを提案する。 提案するEPSLフレームワークは,目標精度を達成するために必要なトレーニング遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2023-03-26T16:09:48Z)
• LL-GNN: Low Latency Graph Neural Networks on FPGAs for High Energy Physics [45.666822327616046]
  本研究は,粒子検出器のための低グラフニューラルネットワーク(LL-GNN)設計のための新しい再構成可能なアーキテクチャを提案する。 LL-GNNの設計は、洗練されたアルゴリズムが実験データを効率的に処理できるようにすることで、次世代のトリガーシステムを進化させる。
  論文  参考訳（メタデータ） (2022-09-28T12:55:35Z)
• Dynamic Slimmable Network [105.74546828182834]
  ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。 ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。 静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-03-24T15:25:20Z)

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。