스마트 농축산 IoA 지능형 센서-클라우드 플랫폼 개발을 위한 5가지 세부과제
제4세부
에너지 하베스팅 기반 초소형 경량 Deep Learning Processor
(Deep Learning Processor based on energy harvesting)
주요 연구분야 및 역할
고려대학교 전기전자공학부 박종선 교수
02-3290-4827
jongsun@korea.ac.kr
데이터 플로우 기반 인공지능 가속 하드웨어 설계
인공지능 연산을 위한 데이터 압축 기법 개발
제안된 IoA용 인공지능 가속 하드웨어 ASIC 칩 제작 및 검증
대구경북과학기술원 정보통신융합전공 궁재하 교수
053-785-6327
jhkung@dgist.ac.kr
Energy-efficient LSTM 구현
Noise tolerant CNN 구현
IoT 환경에서의 보안 강화를 위한 회로 설계
연차별 추진체계
| 연구내용 (연구기관) |
CNN/RNN 연산 가속기 설계 (박종선 교수) |
LSTM 연산 가속기 설계 (궁재하 교수) |
||||||
|---|---|---|---|---|---|---|---|---|
| 1차년도 (2018년) |
데이터 플로우 기반 기계학습 프로세서 구조 설계 |
저전력/고성능 기계학습 연산을 위한 데이터 압축 기법 개발 |
On-chip memory customization |
|||||
|
CNN 연산의 Hardware
cost에 대한 LUT 작성 LSTM 연산에 적합한 데이터 플로우 모색 |
하드웨어 친화적인 알고리즘을 적용하여 로그 기반 양자화 모델 개발 |
Convolution window 연산에 최적화된 latch 기반 SRAM 개발 |
||||||
|
IoT 프로세서에
최적화된 데이터 플로우 기반의 가속기 설계 |
Off-chip DRAM 접근을
최소화하는 데이터 압축 기법 개발 |
|||||||
| 2차년도 (2019년) |
Input Dynamic Range에 맞는 저전력 Arithmetic 연산 기법 개발 |
Off-chip DRAM 접근을
최소화하는 데이터 압축 기법 개선 |
eDRAM 메모리 기술 조사 및 기계학습 가속기에 적용 검토 ReRAM 메모리 기술의 기계학습 가속기로의 효율적 적용 가능성 검토 |
|||||
|
압축률의 동적 조절이
가능한 데이터 압축 기법 개발 |
||||||||
| 3차년도 (2020년) |
에너지 효율성 증대 위한 연산 구성 요소 (Processign Element) 병렬화 조절 기법 개발 |
제안된 양자화 알고리즘을 적용한 모델을 위한 zero-aware 하드웨어 설계 기법 개발 |
저전력 머신 러닝
프로세서를 위한 CAM 개발 머신 러닝 프로세서를 위한 저전력 쓰기읽기 방향 변환이 가능한 DWM 개발 |
|||||
| 4차년도 (2021년) |
제안된 IoT용 기계학습 프로세서의 ASIC 칩 제작, 검증 |
|||||||
|
제안된 IoT용 기계학습 프로세서 칩을 포함한 스마트 farming 시스템 구현 및 검증 |
||||||||
