Description
Date depot: 11 avril 2020
Titre: Design de Réseau de Neurones Artificiels (ANN) utilisant des Compute-in-Memory
Directeur de thèse:
Lionel TROJMAN (LISITE)
Directeur de thèse:
Andrei VLADIMIRESCU (University of California, Berkeley)
Domaine scientifique: Sciences pour l'ingénieur
Thématique CNRS : Non defini
Resumé:
Le but de ce projet doctoral est de définir de nouveaux circuits qui optimisent l’efficacité énergétique des accélérateurs matériels des Réseau de Neurones Artificiels (ANN). De récents travaux de recherches dans ce contexte ont proposé des designs de circuit très efficaces pour optimiser les énormes besoins de calculs nécessaires par le traitement de donnée par les ANN. Cependant, ces travaux soulignent le très important challenge que soulève le cout énergétique du transfert de données depuis les blocs de mémoires, par exemple SRAM, nécessaire pour emmagasiner les poids des réseaux et les signaux d’entrées. Même dans des designs d’ASIC hautement optimisés, l’énergie du transfert de données représente la majeure partie de l’énergie totale consommée d’un accélérateur ANN. Les meilleurs architecture exploite le paradigm du « Processing-in-memory (PIM) » pour résoudre le problème du ratio énergie/retard venant du transfert du données de/à la mémoire, en implémentant les opérations nécessaires aux applications ANN directement à l’intérieur même de la mémoire principale. En prenant compte cela, ce projet doctoral se concentre sur un accélérateur ANN spécifique avec un design qui suit le paradigme PIM et utilisant de mémoire non-volatile.
Doctorant.e: Moposita Tatiana