Virtualization of Tiny Embedded Systems with a robust real-time capable and extensible Stack Virtual Machine REXAVM supporting Material-integrated Intelligent Systems and Tiny Machine Learning

要約

過去数十年で、ユビキタス コンピューティング、エッジ コンピューティング、および分散型センサー ネットワークに対応するチップ レベルまでの大幅な小型化とサイズの縮小によって、センサー密度とセンサー展開が大幅に増加しました。
材料統合インテリジェント システム (MIIS) は、次の統合とアプリケーション レベルを提供しますが、新しい課題を生み出し、厳しい制約 (リソース、エネルギー供給、通信、回復力、およびセキュリティ) を導入します。
通常、リソースの少ないシステムは、アプリケーション固有のソフトウェアまたはアプリケーション固有のハードウェア (FPGA) を使用して静的にプログラムされたプロセッサです。
この作業は、統合された低リソース、カスタマイズ可能、およびリアルタイム対応の組み込みおよび拡張可能なスタック仮想マシン (REXAVM) を使用して、回復力のある分散センサーおよびサイバー物理ネットワークに向けた、このような低リソースで制約のあるシステムにおける仮想化の必要性とソリューションを示しています。
ソフトウェアとハ​​ードウェアの両方で実装および連携できます。
全体的なアーキテクチャ アプローチでは、VM は特にデジタル信号処理と小さな機械学習に対応します。
REXAVM は、コンパイル時に VM プログラム コード ジェネレーターを使用し、実行時にインクリメンタル コード処理を使用することで、高度なカスタマイズが可能です。
VM は、統合された非常に効率的なジャストインタイム コンパイラを使用して、テキスト コードからバイトコードを作成します。
このホワイト ペーパーでは、提案された VM アーキテクチャの運用上同等のソフトウェアとハ​​ードウェア (FPGA) の実装に対する適合性を示し、評価します。
効率と精度に関して、固定小数点演算を使用する小さな ML と DSP をサポートする特定のコンポーネントについて説明します。
拡張されたユース ケース セクションでは、導入された VM アーキテクチャを幅広いアプリケーションで使用できることを示します。

要約(オリジナル)

In the past decades, there has been a significant increase in sensor density and sensor deployment, driven by a significant miniaturization and decrease in size down to the chip level, addressing ubiquitous computing, edge computing, as well as distributed sensor networks. Material-integrated and intelligent systems (MIIS) provide the next integration and application level, but they create new challenges and introduce hard constraints (resources, energy supply, communication, resilience, and security). Commonly, low-resource systems are statically programmed processors with application-specific software or application-specific hardware (FPGA). This work demonstrates the need for and solution to virtualization in such low-resource and constrained systems towards resilient distributed sensor and cyber-physical networks using a unified low-resource, customizable, and real-time capable embedded and extensible stack virtual machine (REXAVM) that can be implemented and cooperate in both software and hardware. In a holistic architecture approach, the VM specifically addresses digital signal processing and tiny machine learning. The REXAVM is highly customizable through the use of VM program code generators at compile time and incremental code processing at run time. The VM uses an integrated, highly efficient just-in-time compiler to create Bytecode from text code. This paper shows and evaluates the suitability of the proposed VM architecture for operationally equivalent software and hardware (FPGA) implementations. Specific components supporting tiny ML and DSP using fixed-point arithmetic with respect to efficiency and accuracy are discussed. An extended use-case section demonstrates the usability of the introduced VM architecture for a broad range of applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google