Bespoke Approximation of Multiplication-Accumulation and Activation Targeting Printed Multilayer Perceptrons

要約

プリンテッド エレクトロニクス (PE) は、真のユビキタス コンピューティングを実現するための優れたテクノロジとなっている、独特で顕著な特徴を備えています。
これは、これまでコンピューティングの普及が限られていた、コンフォーマルで超低コストのソリューションを必要とするアプリケーション領域に特に当てはまります。
シリコンベースの技術とは異なり、PE は非経常エンジニアリングコスト、超低製造コスト、コンフォーマルで柔軟、無毒、伸縮性のあるハードウェアのオンデマンド製造などの比類のない機能を提供します。
ただし、PE は機能サイズが大きいため、機械学習分類器などの複雑な回路の実現を妨げる一定の制限に直面しています。
この取り組みでは、近似コンピューティングとビスポーク (完全にカスタマイズされた) 設計の原則を活用して、これらの制限に対処します。
我々は、超低消費電力の多層パーセプトロン (MLP) 分類器を設計するための自動フレームワークを提案します。このフレームワークは、MLP のニューロンのすべての機能 (乗算、蓄積、活性化) を近似する総合的なアプローチを初めて採用します。
さまざまなサイズのさまざまな MLP にわたる包括的な評価を通じて、当社のフレームワークは、検討した最も複雑な MLP アーキテクチャであっても、現在の最先端技術を大幅に上回るバッテリー駆動の動作を可能にする能力を実証します。

要約(オリジナル)

Printed Electronics (PE) feature distinct and remarkable characteristics that make them a prominent technology for achieving true ubiquitous computing. This is particularly relevant in application domains that require conformal and ultra-low cost solutions, which have experienced limited penetration of computing until now. Unlike silicon-based technologies, PE offer unparalleled features such as non-recurring engineering costs, ultra-low manufacturing cost, and on-demand fabrication of conformal, flexible, non-toxic, and stretchable hardware. However, PE face certain limitations due to their large feature sizes, that impede the realization of complex circuits, such as machine learning classifiers. In this work, we address these limitations by leveraging the principles of Approximate Computing and Bespoke (fully-customized) design. We propose an automated framework for designing ultra-low power Multilayer Perceptron (MLP) classifiers which employs, for the first time, a holistic approach to approximate all functions of the MLP’s neurons: multiplication, accumulation, and activation. Through comprehensive evaluation across various MLPs of varying size, our framework demonstrates the ability to enable battery-powered operation of even the most intricate MLP architecture examined, significantly surpassing the current state of the art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google