The Magnificent Seven Challenges and Opportunities in Domain-Specific Accelerator Design for Autonomous Systems

要約

ムーアの法則とデナード スケーリングの終焉は、アジャイル ハードウェア設計の進歩と結びついて、ドメイン固有のアクセラレーションの黄金時代を促進しました。
ただし、コンピューティングの機会のこの新たなフロンティアには落とし穴がないわけではありません。
コンピューター アーキテクトがなじみのない領域にアプローチするにつれて、有用なアクセラレーションの開発の進歩を妨げる可能性のある共通のテーマが課題として浮かび上がってくるのを私たちは目にしてきました。
この研究では、冒険好きなアーキテクトが新しいアプリケーション ドメインに有意義に貢献できるように導く、ドメイン固有のアクセラレータ設計における壮大な 7 つの課題を紹介します。
これらの課題は ML からゲノミクスに至る領域にわたって現れますが、この研究では動機付けとなる例として自律システムのレンズを通してそれらを検証します。
そのために、これらの課題から、ドメイン固有のアクセラレータ設計を成功させるために前進するための機会を特定します。

要約(オリジナル)

The end of Moore’s Law and Dennard Scaling has combined with advances in agile hardware design to foster a golden age of domain-specific acceleration. However, this new frontier of computing opportunities is not without pitfalls. As computer architects approach unfamiliar domains, we have seen common themes emerge in the challenges that can hinder progress in the development of useful acceleration. In this work, we present the Magnificent Seven Challenges in domain-specific accelerator design that can guide adventurous architects to contribute meaningfully to novel application domains. Although these challenges appear across domains ranging from ML to genomics, we examine them through the lens of autonomous systems as a motivating example in this work. To that end, we identify opportunities for the path forward in a successful domain-specific accelerator design from these challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google