Detail projektu
AppNeCo: Aproximativní neurovýpočty
Období řešení: 1. 1. 2022 – 31. 12. 2024
Typ projektu: grant
Kód: GA22-02067S
Agentura: Grantová agentura České republiky
Program: Standardní projekty
aproximativní počítání,konvoluční sítě,energetická složitost,robustní učení,hardwarový akcelerátor,klasifikace obrazu
V současnosti jsou v zařízeních s omezenými zdroji (např. mobilní telefony napájené baterií) implementovány moderní technologie umělé inteligence založené na hlubokých neuronových sítích, jejichž výpočet je náročný na spotřebu energie. V aplikacích tolerantních vůči chybám (např. klasifikace obrazu) může použití metod aproximativního počítání ušetřit ohromné množství energii za cenu jen malé ztráty přesnosti. AppNeCo je projektem základního výzkumu aproximativních neurovýpočtů, jehož ambicí je originální synergie teorie aproximace a složitosti neuronových sítí a empirické zkušenosti se špičkovým návrhem výkonných aproximativních implementací hardwarových obvodů. Jeho cílem je rozvoj složitostně-teoretických základů aproximativních výpočtů konvolučních neuronových sítí (CNN) omezené energetické složitosti pro aplikační domény specifikované distribucemi vstupního prostoru. Tyto poznatky budou použity při návrhu nových strategií aproximace komponent a učících algoritmů nízkoenergetických, vysoce přesných CNN. Nové metody budou testovány na úlohách zpracování obrazu.
Klhůfek Jan, Ing. (UPSY)
Mrázek Vojtěch, Ing., Ph.D. (UPSY)
Vašíček Zdeněk, doc. Ing., Ph.D. (UPSY)
2024
- VAŠÍČEK, Z. Automated Synthesis of Commutative Approximate Arithmetic Operators. In 2024 IEEE Congress on Evolutionary Computation, CEC 2024 - Proceedings. Yokohama: IEEE Computer Society, 2024.
p. 1-8. ISBN: 979-8-3503-0836-5. Detail
2023
- KALKREUTH, R.; VAŠÍČEK, Z.; HUSA, J.; VERMETTEN, D.; YE, F.; THOMAS, B. General Boolean Function Benchmark Suite. In FOGA 2023 - Proceedings of the 17th ACM/SIGEVO Conference on Foundations of Genetic Algorithms. Potsdam: Association for Computing Machinery, 2023.
p. 84-95. ISBN: 979-8-4007-0202-0. Detail - KALKREUTH, R.; VAŠÍČEK, Z.; HUSA, J.; VERMETTEN, D.; YE, F.; THOMAS, B. Towards a General Boolean Function Benchmark Suite. In GECCO 2023 Companion - Proceedings of the 2023 Genetic and Evolutionary Computation Conference Companion. New York: Association for Computing Machinery, 2023.
p. 591-594. ISBN: 979-8-4007-0120-7. Detail - PIŇOS, M.; MRÁZEK, V.; SEKANINA, L. Prediction of Inference Energy on CNN Accelerators Supporting Approximate Circuits. In 2023 26th International Symposium on Design and Diagnostics of Electronic Circuits and Systems. Talinn: Institute of Electrical and Electronics Engineers, 2023.
p. 45-50. ISBN: 979-8-3503-3277-3. Detail - SEDLÁČEK, M.; SEKANINA, L. Evolution of Editing Scripts From Examples. In Proceedings of the Genetic and Evolutionary Computation Conference Companion (GECCO '23). Lisbon: Association for Computing Machinery, 2023.
p. 803-806. ISBN: 979-8-4007-0120-7. Detail
2022
- KLHŮFEK, J.; MRÁZEK, V. ArithsGen: Arithmetic Circuit Generator for Hardware Accelerators. In 2022 25th International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS '22). Prague: Institute of Electrical and Electronics Engineers, 2022.
p. 44-47. ISBN: 978-1-6654-9431-1. Detail - KOCNOVÁ, J.; VAŠÍČEK, Z. Delay-aware evolutionary optimization of digital circuits. In Proceedings of IEEE Computer Society Annual Symposium on VLSI, ISVLSI. Nicosia, Cyprus: IEEE Computer Society, 2022.
p. 188-193. ISBN: 978-1-6654-6605-9. Detail - MARCHISIO, A.; MRÁZEK, V.; MASSA, A.; BUSSOLINO, B.; MARTINA, M.; SHAFIQUE, M. RoHNAS: A Neural Architecture Search Framework with Conjoint Optimization for Adversarial Robustness and Hardware Efficiency of Convolutional and Capsule Networks. IEEE Access, 2022, vol. 2022, no. 10,
p. 109043-109055. ISSN: 2169-3536. Detail - VÁLEK, M.; SEKANINA, L. Evolutionary Approximation in Non-Local Means Image Filters. In 2022 IEEE International Conference on Systems, Man, and Cybernetics (SMC). Praha: Institute of Electrical and Electronics Engineers, 2022.
p. 2759-2766. ISBN: 978-1-6654-5258-8. Detail