Kolmogorov-Arnold Networks (KANs)는 기존 Deep Neural Networks (DNNs)보다 매개변수 효율성과 설명 가능성이 향상될 것으로 기대되며, 학습 가능한 비선형 활성 함수(스플라인으로 매개변수화)를 사용합니다. 본 연구에서는 Systolic Array (SA) 기반 아키텍처를 사용하여 KAN 추론을 가속화하는 방안을 모색합니다. SA는 KAN 추론의 일부를 가속화할 수 있지만, 활용률이 30%로 제한됩니다. 따라서 본 연구에서는 B-스플라인의 고유한 특성을 활용하여 효율적인 KAN 추론을 가능하게 하는 새로운 SA 기반 가속기인 KAN-SA를 제안합니다. KAN-SA는 비재귀적 B-스플라인 구현과 KAN 희소성을 활용하여 기존 SA를 개선합니다. 28nm FD-SOI 기술 기반 하드웨어 합성을 통해 KAN-SA는 등가 면적의 기존 SA에 비해 최대 100% SA 활용률과 최대 50% 클럭 사이클 감소를 달성합니다.
