エッジAIシステム向け設計基盤技術に関する研究

点击翻译按钮获取中文摘要

IoT（Internet of Things）の普及により，現場にあるエッジ端末が無線通信でデータを収集し，クラウドに自動でアップできる環境が整ってきた．こうした中，通信量，機密性，実時間応答性の観点より，エッジ側で知的な処理を行うエッジAIコンピューティングが注目されている．一方，電力，メモリ，速度などあらゆる計算リソースに制約がかかる汎用プロセッサでは，深層学習技術を十分に活用することが難しい．本研究では，高い処理能力や大規模メモリを前提とした従来の計算原理とは異なり，多様化するAIモデルに柔軟に対応できる，エッジAI向け設計基盤技術の確立を目的とする．これより，開発したAIアプリケーションを（電力・速度の面で）最適な形でエッジ端末に実装し，迅速に市場へ投入可能となる．AIエッジコンピューティングの課題として，データ量の飛躍的増大やAIモデルの多様化による性能低下があげられる．これは，次の3つに起因する：（1）エッジ端末として，CPU/GPUは電力的な問題がある．また，AI専用チップは機能が固定されているため，今後も進化するAIモデルへの対応が難しい．（2）深層学習フレームワークとエッジ端末への実装は完全に別離しており，エッジ端末向けの最適化は設計者のスキルに大きく依存する．（3）HWリソースの観点より，エッジ端末は学習に向かず，エッジ側の多様な環境に対応できない．我々は，リコンフィギャラブルロジック技術とコンパイラ技術の融合によってこれらの課題が解決できると考えた．本研究では①エッジAI向けデバイス・アーキテクチャ，②DNNコンパイラ，③転移学習方式について研究を行う．