文献

J-GLOBAL ID：201802274579020151   整理番号：18A0160425

パーソナル化された生物医学的応用のためのエネルギー効率の良いプログラマブルメニーコアアクセラレータ【Powered by NICT】

An Energy-Efficient Programmable Manycore Accelerator for Personalized Biomedical Applications

著者 (7件)： Kulkarni Adwaya (Department of Computer Science and Electrical Engineering, University of Maryland at Baltimore, Baltimore, MA, USA) ,  Page Adam (Department of Computer Science and Electrical Engineering, University of Maryland at Baltimore, Baltimore, MA, USA) ,  Attaran Nasrin (Department of Computer Science and Electrical Engineering, University of Maryland at Baltimore, Baltimore, MA, USA) ,  Jafari Ali (Department of Computer Science and Electrical Engineering, University of Maryland at Baltimore, Baltimore, MA, USA) ,  Malik Maria (Electrical and Computer Engineering Department, George Mason University, Fairfax, VA, USA) ,  Homayoun Houman (Electrical and Computer Engineering Department, George Mason University, Fairfax, VA, USA) ,  Mohsenin Tinoosh (Department of Computer Science and Electrical Engineering, University of Maryland at Baltimore, Baltimore, MA, USA)
資料名： IEEE Transactions on Very Large Scale Integration (VLSI) Systems  (IEEE Transactions on Very Large Scale Integration (VLSI) Systems)
巻： 26  号： 1  ページ： 96-109  発行年： 2018年 
JST資料番号： W0516A  ISSN： 1063-8210  CODEN： ITCOB4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ウェアラブル個人ヘルスモニタリングシステムはヒトの健康ケアのためのコスト効率の良い解決策を提供することができる。これらのシステムは,常に患者の生理学的信号を監視し,限られた電力と面積フットプリント内のデータの膨大な量の高精度,迅速な処理と送達を提供しなければならない。これらの個別化された生物医学的応用は,種々のチャネル数とサンプリング速度の生理学的信号のサンプリングと処理多様な流れを必要とする。処理は典型的にはディジタル信号処理(DSP)と機械学習(ML)穀粒の多数を必要とする特徴抽出,データ融合,分類段階から構成されている。これらの要求に対応して,本論文では,電力効率の良いとしてナノクラスタ(PENC)と呼ばれる小さなエネルギー効率,とドメイン特異的コア加速器をマッピングし,これらの応用のカーネルを実行するために提案した。シミュレーション結果はPENCであるD SPとMLカーネルのためのエネルギー消費を80%まで削減と25%にすることができ,最適並列化されたことを示した。添加では,商品に埋め込まれたCPU,図形処理ユニット(GPU)とフィールドプログラマブルゲートアレイ(FPGA)ベースの実装と比較して提案したメニーコア性能を評価するために,すなわち,多チャンネル発作検出,multiphysiological応力検出,スタンドアロン舌ドライブシステム(sTDS),三計算集中型個別化された生物医学的応用を実行した。これら三つの事例研究では,宿主としてインテルAtomプロセッサと共に促進剤として作用するとき,エネルギー消費と提案したPENCメニーコアの性能は,既存の市販汎用,カスタマイズ可能であり,且つプログラム可能に埋め込まれたプラットフォームと比較して,チップ上でのIntel原子,Xilinx Artix7FPGA,NVIDIA TK1最新RISCマシン-A15およびK1GPUシステムを含んでいる。これらの用途にはPENCメニーコアは1872×と276×によるスループットとエネルギー効率を大幅に改善することができた。発作検出の最も計算集中応用のために,PENCメニーコアは15.22ギガ操作当たり二(GOP)のスループット,カスタムFPGAソリューションのスループットで14倍の改善を達成することができた。応力検出のために,PENCは21.36GOPのスループットと4.23GOP/Jのエネルギー効率,FPGA実装上の14.87×と2.28×優れているを実現した。sTDS応用のために,PENCは5.45×によるスループットとFPGA実装上の2.37×によるエネルギー効率を改善する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 事例研究 ,  RISCマシン ,  シミュレーション ,  スループット ,  機械学習 ,  FPGA ,  電力 ,  データ融合 ,  特徴抽出 ,  *エネルギー効率 ,  エネルギー消費
準シソーラス用語： FPGA実装 ,  GPU【プロセッサ】 ,  ディジタル信号処理 ,  *生物医学的応用 , 【Automatic Indexing@JST】

分類 (1件)： 半導体集積回路  (NC03162T)

タイトルに関連する用語 (2件)： 生物医学的応用 ,  エネルギー効率