Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

wa-hls4ml: A Benchmark and Surrogate Models for hls4ml Resource and Latency Estimation

Created by
  • Haebom
Category
Empty

저자

Benjamin Hawks, Jason Weitz, Dmitri Demler, Karla Tame-Narvaez, Dennis Plotnikov, Mohammad Mehdi Rahimifar, Hamza Ezzaoui Rahali, Audrey C. Therrien, Donovan Sproule, Elham E Khoda, Keegan A. Smith, Russell Marroquin, Giuseppe Di Guglielmo, Nhan Tran, Javier Duarte, Vladimir Loncar

개요

본 논문은 과학 분야의 실시간 문제를 해결하기 위해 하드웨어에 머신 러닝(ML)을 구현하는 과정에서 발생하는 새로운 문제점을 다룬다. 특히, 하드웨어 합성과 같은 이전에는 병목 현상으로 고려되지 않았던 프로세스가 설계 반복의 제한 요소가 되고 있다. 이를 해결하기 위해, ML 가속기 아키텍처의 자원 사용량을 추정하는 ML 기반 대리 모델 개발에 초점을 맞춘다. wa-hls4ml 벤치마크와, hls4ml을 사용하여 Xilinx FPGA를 타겟으로 합성된 68만 개 이상의 완전 연결 및 컨볼루션 신경망 데이터셋을 소개한다. 이 벤치마크는 ML 모델 아키텍처에 대한 자원 및 지연 시간 예측기의 성능을 평가하며, GNN 및 트랜스포머 기반 대리 모델을 사용하여 ML 가속기의 지연 시간과 자원을 예측한다.

시사점, 한계점

•
ML 가속기 설계의 빠른 반복을 위한 자원 및 지연 시간 예측 모델 개발.
•
wa-hls4ml 벤치마크 및 대규모 합성 데이터셋 제공.
•
GNN 및 트랜스포머 기반 대리 모델을 활용하여 ML 가속기 자원 예측.
•
합성된 자원 대비 75% 백분위수 지연 시간 및 자원 예측 정확도 확보.
•
논문에서 구체적인 한계점 언급은 없음. (단, 연구 초기 단계로 볼 수 있음)
👍
Made with Slashpage