본 논문은 근사 심층 신경망(AxDNNs)의 에너지 효율 향상을 위해, 근사 곱셈기를 사용하는 AxDNNs의 에너지 효율 향상에 기여하는 요소를 분석하고, 이를 효율적으로 시뮬레이션하는 새로운 방법론인 XAI-Gen을 제시합니다. XAI-Gen은 하드웨어 가속기의 분석 모델과 설명 가능한 인공지능(XAI)을 활용하여 근사화에 적합한 층을 정확하게 식별하고, AxDNN 층에 적절한 근사 곱셈기를 빠르게 찾습니다. 실험 결과, XAI-Gen은 최대 7배의 에너지 소비 감소를 달성하면서 정확도 손실은 1~2%에 불과함을 보였습니다. 또한, 신경망 구조 탐색(XAI-NAS) 사례 연구를 통해 기존 최첨단 NAS 방법보다 40% 높은 에너지 효율과 최대 5배 빠른 실행 시간을 달성함을 보여줍니다.
