論文の概要: CircuitsDNA: Discovering Unconventional Multi-Accuracy Arithmetic Circuits via Evolutionary Synthesis
- arxiv url: http://arxiv.org/abs/2609.01735v1
- Date: Tue, 01 Sep 2026 18:03:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.78069
- Title: CircuitsDNA: Discovering Unconventional Multi-Accuracy Arithmetic Circuits via Evolutionary Synthesis
- Title（参考訳）: サーキットDNA:進化的合成による異種多精度算術回路の発見
- Abstract要約: AIワークロードはますます、需要に応じて計算精度を交換できる演算ユニットを必要としている。
この研究は、精度設定可能な演算回路を自動的に進化させる進化的フレームワークであるCircuitsDNAを導入している。
1)モード固有の精度要求を強制するためのマルチスレッドの検証可能性ミッター、2)リソース制限された検証可能性駆動探索、3)効果的な構造修正を優先するためのフィードバック駆動適応突然変異、の3つの主要な特徴を統合している。
- 参考スコア（独自算出の注目度）: 1.10042698101905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emerging edge AI workloads increasingly require arithmetic units that can trade computational accuracy for efficiency on demand. However, existing approximate arithmetic circuits are typically fixed-accuracy or rely on predefined structures for runtime configurability. This work introduces CircuitsDNA, an evolutionary framework that automatically evolves accuracy-configurable arithmetic circuits supporting multiple accuracy modes within a single circuit. It integrates three key features: 1) multi-threshold verifiability miter to enforce mode-specific accuracy requirements, 2) resource-limited verifiability-driven search to reduce verification overhead without sacrificing correctness, enabling efficient exploration of large circuit design, and 3) feedback-driven adaptive mutation to prioritize effective structural modifications and accelerate search convergence. Experimental results show that the 8-bit multiplier variants synthesized in 28-nm CMOS reduce the area-power product by up to 56% on INT8 DNN workload and 93% under exhaustive activity, compared with an exact 8-bit multiplier. Across CNNs and DeiTs, the accuracy loss relative to FP32 remains below 2% after fine-tuning under worst-case error (WCE) budgets of at most 1%. CircuitsDNA eliminates all search stalls observed in conventional methods across 8/12/16-bit multipliers, while adaptive mutation provides up to 1.33 times faster convergence than its non-adaptive counterpart.
- Abstract（参考訳）: 最先端のAIワークロードはますます、需要に応じて計算精度を交換できる演算ユニットを必要としている。
しかし、既存の近似演算回路は一般に固定精度であり、実行時設定性のために事前に定義された構造に依存している。
この研究はCircuitsDNAを導入し、これは1つの回路内で複数の精度モードをサポートする精度設定可能な演算回路を自動的に進化させる進化的フレームワークである。
3つの重要な機能を統合する。
1)モード固有の精度要件を実施するためのマルチスレッドの検証可能性ミッター。
2) 信頼性を犠牲にすることなく検証オーバーヘッドを低減し, 大規模回路設計の効率的な探索を可能にするため, 資源制限による検証可能性駆動探索
3) 効果的な構造変更を優先し, 探索収束を加速するためのフィードバック駆動適応突然変異。
実験結果から,28nm CMOSで合成した8ビット乗算器は,8ビット乗算器と比較して,INT8 DNNの負荷で最大56%,93%の面積乗算器で最大56%削減できることがわかった。
CNN と DeiT 全体では、FP32 に対する精度の低下は、最低ケースエラー(WCE) の予算が1%以上で微調整された後も 2% 以下にとどまっている。
サーキットDNAは従来の8/12/16ビット乗算器で観測された全てのサーチストールを除去するが、適応突然変異は非適応型よりも最大1.33倍高速収束する。
関連論文リスト
- When Close Enough Is Not Enough: Autoregressive Drift in Quantum Circuit Synthesis [0.0]
フォールトトレラントコンピューティングのための量子回路最適化は、Tゲートのような高価な非クリフォード資源を最小化しながら、正確な機能的等価性を必要とする。
構造化回路トークン化を用いた44.8Mパラメータエンコーダデコーダ変換器を用いてこの問題について検討する。
パラメータ化回路では、変圧器からの構造、古典的な最適化から得られる角度のハイブリッドアプローチにより、3-6量子ビット回路上で1.000の正中性が得られる。
論文 参考訳（メタデータ） (2026-07-14T13:56:39Z) - ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning [0.0]
ARCSは、検索ベースの手法で必要とされる分ではなく、完全なSPICEシミュラブルな設計をミリ秒で生成する。
単モデル推論では、ベストオブ3候補選択を備えたトポロジ対応グラフ変換器が97msで85%のシミュレーション精度に達し、ランダム検索より600倍以上高速である。
論文 参考訳（メタデータ） (2026-03-30T23:14:08Z) - DS-CIM: Digital Stochastic Computing-In-Memory Featuring Accurate OR-Accumulation via Sample Region Remapping for Edge AI Models [8.92683306412944]
本稿では,高い精度と効率を実現するデジタルCIM(DS-CIM)アーキテクチャを提案する。
データ表現を変更することで、コンパクトで符号のないORベースの回路に乗算累積(MAC)を実装する。
我々のコア戦略である2Dの共有ランダム数生成器(PRNG)は、単一サイクルの排他的アクティベーションによりORゲート衝突を排除します。
論文 参考訳（メタデータ） (2026-01-10T23:56:33Z) - Sensor Calibration Model Balancing Accuracy, Real-time, and Efficiency [4.212937192948915]
Scare (Sensor model balance, Real-time, Accuracy and efficiency) は8つの顕微鏡的要件を同時に満たす超圧縮トランスである。
Scare は,(1) ビン間の境界情報を保持しながら時系列データを対数的に圧縮するシーケンスレンズプロジェクタ (SLP) ,(2) コストのかかる乗算をバイナリハッシュコードによるビットワイズ操作に置き換える効率的なビットワイズアテンション (EBA) モジュール,(3) 補助損失項のない安定したトレーニングを保証するハッシュ最適化戦略の3つのコアコンポーネントから構成される。
論文 参考訳（メタデータ） (2025-11-10T05:16:20Z) - Finding Transformer Circuits with Edge Pruning [71.12127707678961]
自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。
本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。
その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
論文 参考訳（メタデータ） (2024-06-24T16:40:54Z) - Incrementally-Computable Neural Networks: Efficient Inference for
Dynamic Inputs [75.40636935415601]
ディープラーニングは、センサーデータやユーザ入力などの動的入力を効率的に処理するという課題に直面していることが多い。
インクリメンタルな計算アプローチを採用し、入力の変化に応じて計算を再利用する。
本稿では,この手法をトランスフォーマーアーキテクチャに適用し,修正入力の分数に比例した複雑性を持つ効率的なインクリメンタル推論アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-07-27T16:30:27Z) - A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive
Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。
シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文 参考訳（メタデータ） (2022-11-16T00:11:04Z) - Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。
実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。
本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-13T02:44:05Z) - OMPQ: Orthogonal Mixed Precision Quantization [72.63889596498004]
混合精度量子化は、ハードウェアの多重ビット幅演算を利用して、ネットワーク量子化の全ポテンシャルを解き放つ。
本稿では、整数プログラミングの損失と高い相関関係にあるネットワーク性の概念であるプロキシメトリックを最適化することを提案する。
このアプローチは、量子化精度にほとんど妥協することなく、検索時間と必要なデータ量を桁違いに削減する。
論文 参考訳（メタデータ） (2021-09-16T10:59:33Z) - SIMDive: Approximate SIMD Soft Multiplier-Divider for FPGAs with Tunable
Accuracy [3.4154033825543055]
本稿では,新しい乗算器とチューナブルな分割器に基づくSIMDアーキテクチャを初めて提示する。
提案したハイブリッドアーキテクチャはMitchellのアルゴリズムを実装し、8ビットから32ビットの精度変数をサポートする。
論文 参考訳（メタデータ） (2020-11-02T17:40:44Z) - Non-Autoregressive Transformer ASR with CTC-Enhanced Decoder Input [54.82369261350497]
CTCモジュールの予測を精算することでターゲットシーケンスを生成するCTC拡張NARトランスを提案する。
実験結果から,Aishell-1およびAishell-2データセットでは,Aishell-1およびAishell-2データセットの絶対CER劣化が0。
論文 参考訳（メタデータ） (2020-10-28T15:00:09Z)
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。