J3DAI는 3층 3D-스택 CMOS 이미지 센서를 위한 초소형 심층 신경망 기반 하드웨어 가속기로, 심층 신경망(DNN) 기반 가속기를 통합한 AI 칩을 특징으로 합니다. 이 DNN 가속기는 이미지 분류 및 분할과 같은 신경망 작업을 효율적으로 수행하도록 설계되었습니다. 본 논문은 J3DAI의 디지털 시스템에 초점을 맞춰 성능-전력-면적(PPA) 특성을 강조하고 CMOS 이미지 센서에서 고급 에지 AI 기능을 보여줍니다. 하드웨어 지원을 위해 호스트 프로세서와 DNN 가속기 모두의 프로그래밍을 가능하게 하는 Aidge 종합 소프트웨어 프레임워크를 활용했습니다. Aidge는 사후 훈련 양자화를 지원하여 메모리 공간과 계산 복잡성을 크게 줄여 J3DAI와 같은 자원 제약 하드웨어에 모델을 배포하는 데 중요한 역할을 합니다. 실험 결과는 에지 AI 분야에서 이 혁신적인 설계의 다양성과 효율성을 보여주며, 단순한 작업과 계산 집약적인 작업 모두를 처리할 수 있는 잠재력을 보여줍니다. 향후 작업은 아키텍처를 더욱 최적화하고 J3DAI의 기능을 완전히 활용하기 위해 새로운 애플리케이션을 탐색하는 데 집중할 것입니다. 에지 AI의 중요성이 계속 커짐에 따라 J3DAI와 같은 혁신은 에지에서 실시간, 저지연, 에너지 효율적인 AI 처리를 가능하게 하는 데 중요한 역할을 할 것입니다.
시사점, 한계점
•
시사점:
◦
초소형 에지 AI 하드웨어 가속기 J3DAI의 설계 및 구현을 제시.
◦
3층 3D-스택 CMOS 이미지 센서와의 통합을 통해 에너지 효율적인 AI 처리 가능성을 보여줌.
◦
Aidge 소프트웨어 프레임워크를 활용하여 사후 훈련 양자화를 통해 자원 제약 환경에서의 모델 배포 효율성 증대.
