Investigadores de la Universidad de Fukuoka, en Japón, Recientemente han propuesto una metodología de diseño para circuitos aritméticos aproximados configurables. Como parte de su estudio, publicado en ResearchGate, aplicaron su método a un sistema prototipo para el procesamiento de imágenes que se basa en redes neuronales profundas.

La computación aproximada es una técnica de computación prometedora que se basa en la capacidad de muchos sistemas para tolerar alguna pérdida de calidad o de optimización en los resultados computados. Al reducir la necesidad de operaciones precisas o completamente deterministas, puede lograr un alto rendimiento con un menor consumo de energía.

Si bien muchos estudios de investigación se han centrado en circuitos aritméticos aproximados, Los circuitos de aproximación configurables sólo han cobrado interés recientemente. Uno de los desafíos clave en este campo es determinar los parámetros para las configuraciones de estos circuitos, una tarea que a menudo puede resultar difícil y tediosa.

"Nuestra investigación actual se centra en circuitos aritméticos aproximados, "Toshinori Sato, uno de los investigadores que realizó el estudio, dijo a TechXplore. "Estos circuitos intercambian la precisión informática por otras limitaciones de diseño, como la potencia, velocidad y tamaño. Esto los hace específicos de la aplicación, en lugar de para fines generales. Necesitábamos un método de diseño sencillo para circuitos específicos de aplicaciones que mostraran la utilidad de los circuitos aritméticos aproximados. Pensamos que las redes neuronales podrían ayudar a facilitar los diseños de circuitos ".

Las investigaciones anteriores sobre circuitos aproximados configurables han considerado principalmente la estructura del circuito, sin examinar los datos del objetivo. Esto hace que sea imposible para los diseñadores realizar optimizaciones basadas en datos específicos. El método ideado por Sato y sus colegas, por otra parte, está orientado a los datos tratados, considerando así tanto las aplicaciones como sus datos simultáneamente.

"Entrenamos nuestro prototipo para identificar la relación entre los parámetros de diseño del circuito y la calidad de la imagen procesada, "Sato explicó." Después del entrenamiento, el prototipo fue capaz de generar un diseño óptimo a partir de circuitos aritméticos aproximados configurables, cuando se proporciona una imagen específica ".

En el diseño propuesto por Sato y sus colegas, el generador de circuito aproximado considera sus datos de destino, así como algunas limitaciones de diseño y requisitos del usuario. Su enfoque también maneja circuitos aproximados parametrizados, determinando automáticamente sus parámetros. Esto libera a los diseñadores de la tediosa y lenta tarea de determinar manualmente los parámetros.

"El rasgo más característico de nuestro método es que está dirigido a datos, ", Dijo Sato." Muchos estudios se han centrado en una aplicación de dominio específica, pero creemos que solo unos pocos consideran simultáneamente tanto las aplicaciones como sus datos. Esta característica es importante, ya que, en última instancia, podría facilitar la adopción generalizada de circuitos aproximados ".

Los investigadores evaluaron su método, aplicándolo a un prototipo basado en una red neuronal profunda de prueba de concepto para el procesamiento de imágenes. Su diseño logró resultados prometedores, procesamiento de imágenes casi tan bien como los enfoques tradicionales con mejoras significativas en el poder (33,28 por ciento), retraso (5,67 por ciento) y área (21,86 por ciento).

"Nuestro prototipo aún se encuentra en una etapa inicial de desarrollo, ", Dijo Sato." Ahora tenemos que mejorarlo para que pueda considerar más necesidades de los diseñadores, como el consumo de energía, retardo y tamaño del circuito. Como consecuencia, también nos gustaría aplicar la metodología a otras aplicaciones más allá del procesamiento de imágenes ".

© 2018 Science X Network