autoAx: An Automatic Design Space Exploration and Circuit Building Methodology utilizing Libraries of Approximate Components

• https://arxiv.org/abs/1902.10807

approximate computing, design space exploration, approximate components, machine learning

Zavedením aproximací můžeme získat energeticky efektivní výpočetní systémy, jako jsou například různé akcelerátory. V literatuře je navržena celá řada knihoven obsahující základní aproximační obvody, které je možné využít v konstrukci těchto hardwarových akcelerátorů. Vzhledem k tomu, že tyto knihovny obsahují desítky až tisíce implementací každé aritmetické operace, je nemožné najít optimální kombinaci těchto obvodů i pro malé aplikace skládajících se jen z několika operací. Otázkou tedy je, jak efektivně kombinovat obvody z těchto knihoven ke konstrukci komplexních akcelerátorů. Tento článek navrhuje novou metodologii pro hledání, výběr a kombinaci obvodů v knihovnách. Aby bylo prohledávání prostoru co nejrychlejší, metodologie využívá techniky strojového učení provytváření výpočetní modely odhadující celkovou kvalitu a cenu bez toho, že by bylo nutné provádět syntézu a simulaci na úrovni akcelerátoru.  S využitím navržené metodologie jsme vytvořili stovky aproximačních akcelerátorů, které vykazují relevantní poměr mezi kvalitou výstupu a cenou implementace. Navíc při návrhu složitějšího Gaussova filtru, který využívá 17 aritmetických operací, náš přístup umožnil během pár hodin vybrat 10^3 kvalitních řešení z celkového počtu 10^23 možných kombinací, přestože by plné prohledávání zabralo 4 měsíce i na velmi výkonném procesoru.