CORDIC 기반 활성화 함수(AF) 설계 구성을 통해 자원 제약 시스템의 ASIC 하드웨어 설계를 가속화하는 기능적 재구성 기능을 제공하는 방법이 제시되었습니다. 이 새로운 신경망 가속화 접근 방식은 도입 이후 학계 및 상업용 AI 프로세서 모두에서 활성화 함수 설계에 많은 영향을 미치며 널리 사용되고 있습니다. 본 논문에서는 이러한 초기 단계의 기본적인 측면을 탐구하고, 최근 몇 년간의 주요 발전 사항을 요약하며, 진화하는 AI 애플리케이션의 요구 사항에 맞게 조정된 DA-VINCI AF를 소개합니다. 이 새로운 세대의 동적으로 구성 가능하고 정밀도를 조정할 수 있는 활성화 함수 코어는 Shift-and-Add CORDIC 기법을 사용하여 Swish, SoftMax, SeLU 및 GeLU를 포함한 다양한 AI 작업 부하의 활성화 함수에 대한 더 큰 적응성을 약속합니다. 이전에 제시된 설계는 MAC, Sigmoid 및 Tanh 기능에 대해 최적화되었으며 ReLU AF에 통합되어 누적 NEURIC 연산 장치를 구성했습니다. 이러한 향상을 통해 NEURIC은 DNN, RNN/LSTM 및 Transformer에 중점을 둔 AI 가속기 구현을 위한 자원 효율적인 벡터 엔진의 기본 구성 요소로 자리 매김하여 98.5%의 결과 품질(QoR)을 달성했습니다.
