不完全光ハードウェアアクセラレータによる完全実行型機械学習タスク【JST・京大機械翻訳】

Fan Jichao; Tang Yingheng; Gao Weilu

プレプリント

J-GLOBAL ID：202202203203578469 整理番号：22P0322824

不完全光ハードウェアアクセラレータによる完全実行型機械学習タスク【JST・京大機械翻訳】

Perfectly Perform Machine Learning Task with Imperfect Optical Hardware Accelerator

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

光学アーキテクチャは,現代の機械学習(ML)アルゴリズムにおける計算集約的一般的行列乗算(GEMM)を加速するためのエネルギー効率の良い高スループットハードウェアプラットフォームとして浮上している。しかし,大規模オプトエレクトロニックデバイスにおける不可避な不完全性と不均一性は,特に革新的ナノデバイスを有する光学アーキテクチャのスケーラブルな展開を防ぐ。ここでは,カスケード空間光変調器に基づくGEMM演算を加速するための光MLハードウェアを報告し,デバイスとシステムにおける不均一性と不完全性にもかかわらず正確な計算を可能にするキャリブレーション手順を提示した。さらに,電気光学インタフェイスの異なる構成の下でハードウェア計算精度を特徴づけた。最後に,単一壁カーボンナノチューブにおけるサブバンド間プラズモン周波数を予測するMLタスクを実行するために,開発した光ハードウェアとキャリブレーション手順を展開した。光学ハードウェアから得られた予測精度は,汎用電子グラフィックプロセスユニットを用いて得たものと良く一致した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

ディジタル計算機方式一般 , 計算機システム開発 , 数値計算

, ,

前のページに戻る