Realization of network AI processing by hardware assist

硬件辅助实现网络AI处理

• 批准号: 21K11844
• 负责人: 下見 淳一郎
• 金额: $ 2.58万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K11844/
• 关键词: ネットワークAI処理; 強化学習; 輻輳制御; ハードウェアアシスト

本研究の目的は、エッジでのリアルタイムな推論やエッジ間での学習結果の共有における従来のエッジ・バックエンド間のダイナミックモデルでは実現が困難な課題の解決であり、具体的には、ネットワーク経路上でのAI処理を行う手法を提案し、実証のためにFPGAを用いたAI処理ネットワークテストベッドを研究開発し、実ネットワークを用いた実証実験により本研究の有用性を評価することである。従来のAI処理手法で生じているこれらの問題が、実は遅延等のネットワーク処理に起因するということに着目し、ネットワーク処理とAI処理を融合した問題解決手法を提案するところに本研究の学術的独自性および創造性がある。当該年度は昨年度整備したシミュレーション検証環境を用いて学習による性能改善手法の検討および効果の評価を行った。具体的には、AI処理の学習の対象とする課題としてTCPの輻輳制御を取り上げており、従来型の輻輳制御では想定された環境の特徴に対してあらかじめ人手でチューニングを行っていたものが、強化学習を用いた複製制御を導入することで環境の変化に合わせて適応していくことが可能となるものである。環境に応じて学習がすみやかに収束することが本手法の成果につながる重要なポイントであり、学習に用いる状態やモデル、アクションの選択肢、報酬の算出方法などを比較検討し性能評価を行っている。学習手法を改善することによって強化学習を用いた輻輳制御の性能を向上が実現しているが、安定して従来型の輻輳制御の性能を上回るためには引き続き手法の改善を追及していく必要がある。

这项研究的目的是解决在边缘实时推断传统的边缘 - 靠背动态模型难以实现的问题，并在边缘之间共享学习结果。具体而言，我们提出了一种在网络路径上执行AI处理的方法，使用FPGA进行演示目的的AI处理网络测试，并通过使用真实网络的演示实验来评估本研究的实用性。为了关注传统AI处理方法引起的这些问题实际上是由网络处理（例如延迟）引起的，这项研究基于学术独特性和创造力，该学术性和创造力提出了一种解决问题的方法，该方法将网络处理和AI处理结合在一起。在今年，我们使用去年开发的仿真验证环境来通过学习和评估有效性来检查性能改进方法。具体而言，TCP拥塞控制是一个学习AI处理的对象，在传统的拥塞控制中，该系统已手动调整到了预期的环境的特征，但是通过使用强化学习引入复制控制，可以适应环境的变化。根据环境学习的快速收敛是导致该方法结果的重要一点，并且通过比较和检查用于学习，模型，行动选项和奖励计算方法的状态来进行绩效评估。通过改善学习方法，可以改善使用强化学习的拥塞控制，但是为了实现常规交通拥堵控制的稳定绩效，有必要继续追求该方法的改进。