<label id="gsnnz"></label>

    <mark id="gsnnz"><button id="gsnnz"></button></mark>

    <code id="gsnnz"><delect id="gsnnz"></delect></code>
    1. 权威国防科技信息门户
      国防科技大数据智能情报平台
      DSTIS征订中
      DPS国防术语智能定位系统
      国外国防科技文献资料快报
      公告£º
      DSTIS国防军工信息资源内网服务系统2019年征订开始¡¡¡¡
      DARPA为¡°实时机器学习¡±设计芯片
      2019-03-26

      据DARPA官网3月21日消息£¬DARPA宣布推出¡°实时机器学习?#20445;¨Real Time Machine Learning£¬RTML£©项目£¬旨在通过开发基于机器学习框架自动生成新型芯片设计的方法£¬降低与为新兴机器学习应用开发的ASIC相关设计成本¡£其目标是创建一个编译程序£¨或软件平台£©£¬它可以吸收像TensorFlow和Pytorch这样的机器学习框架£¬并根据特定机器学习算法或系统的目标£¬生成?#24067;?#35774;计配置和为其优化的标准Verilog代码¡£在整个项目的生命周期中£¬RTML将探索编译程序在两个关键的高带宽应用领域的能力£º5G网络和图像处理¡£

      如果没有过去几十年的重大计算进步£¬那么当前一代的机器学习£¨Machine Learning£¬ML£©系统是不可能实现的¡£图形处理器£¨Graphics Processing Unit£¬GPU£©的发展对于机器学习的发展至关重要£¬因为它为机器学习系统处理和训练大型数据集提供了新的计算能力¡£随着人工智能领域朝着超?#38477;?#21069;机器学习能力的方向发展£¬并将其推进到实时¡°学习¡±领域£¬这就需要新的计算水平¡£高度专业化的专用集成电路£¨Application Specific Integrated Circuit£¬ASIC£©?#22411;?#28385;足高级机器学习应用£¨如自主系统和5G£©的物理尺寸¡¢重量和功率£¨SWaP£©要求¡£然而£¬设计和实现的高成本使得机器学习专用ASIC的开发对于除了最高容量应用之外的所有应用?#38469;?#19981;切实?#23454;Ä¡?/span>

      RTML项目试图回答以下?#33455;?#38382;题£º

      • 我们可以为机器学习构建特定于应用程序的硅编译程序吗£¿

      • 哪些?#24067;?#26550;构最适合RTML项目£¿

      • 各种RTML任务的延迟下限是多少£¿

      • 各种RTML任务可行的最低SWaP是多少£¿


      ¡°计算领域的一个关键挑战是创建能够从数据中实时主动解释和学习¡¢应用以前的知?#29420;?#35299;决不熟悉的问题¡¢以人类大脑的能源效率运行的处理器£¬¡± DARPA微系统?#38469;?#21150;公室£¨MTO£©负责RTML项目的经理Andreas Olofsson介绍说£¬¡°低SWaP¡¢低延迟和?#35270;?#24615;的竞争挑战需要开发专门用于实时机器学习的新算法和电路¡£我们需要的是能源高效?#24067;?#21644;机器学习架构的快速发展£¬这些架构可以实时地从连续的新数据流中学习¡£¡°

      RTML项目?#34892;?#36259;的架构包括但不限于£º

      a£©传统前馈£¨卷积£©神经网络£»

      b£©循环网络及其专用版本£»

      c£©受神经科学启发的架构£¬例如峰值时间相关神经网络£¬包括它们的随机对应物£»

      d£©受心理物理学和统计?#38469;?#21551;发的非神经ML架构£»

      e£©经典监督学习£¨如回归和决策树£©£»

      f£©无监督学习£¨如聚类£©方法£»

      g£©半监督学习方法£»

      h£©生成性对抗性学习技巧£»

      i£©其他方法£¬如转移学习¡¢强化学习¡¢多种学习和/或终身学习¡£

      Olofsson表示£¬¡°机器学习专家精通开发算法£¬但对芯片设计却知之甚少乃至一无所知¡£相反£¬芯片设计人员没有足够的专业知?#29420;?#20026;机器学习专用ASIC的设计提供信息¡£RTML项目旨在合并这些独特的专业领域£¬使设计超专业化ASIC的过程更加高效£¬更具成本效益¡£¡°

      基于应用空间预期的敏捷?#38498;?#25928;率£¬原型设计和测试需要新型芯片设计的基础机器学习?#33455;¿£?/span>RTML项目编译程序则为这一思路提供了理想的平台¡£因此£¬DARPA计划与国家科学基金会£¨National Science Foundation£¬NSF£©合作开展这项工作¡£NSF正在推行自己的¡°实时机器学习¡±项目£¬专注于开发可支持实时推理和快速学习的新型机器学习?#29420;ýº图?#26500;¡£在RTML项目的第一阶段之后£¬DARPA计划向NSF?#33455;?#20154;员提供其编译程序£¬以便为评估他们提出的机器学习算法?#22270;?#26500;提供平台¡£在该项目的第二阶段£¬DARPA?#33455;?#20154;员将有机会使用NSF生成的结果评估编译程序的性能和功能¡£DARPA-NSF合作伙伴关系的总体期望是为下一代¡°实时机器学习¡±算法和?#24067;?#30340;协同设计奠定基础¡£

      ¡°我们很高兴与DARPA合作£¬为?#33455;?#22242;队提供资金£¬以解决实时学习¡¢预测和自动化决策方面的新挑战£¬¡±NSF计算机与信息科学与工程负责人Jim Kurose介绍说£¬¡°这种合作符合¡°美国人工智能倡议?#20445;?#38450;务菌注£º特朗普201年2月11日签字启动的American AI Initiative£©£¬对于保?#32622;?#22269;在?#38469;?#21644;创新方面的领导地位至关重要¡£它将为可?#20013;?#33021;源和水系统¡¢医?#31080;?#20581;后勤和交付以及先进制造业的发展做出贡献¡£¡°

      RTML项目是DARPA电子复兴计划£¨Electronics Resurgence Initiative£¬ERI£©第二阶段的一部分£¨ERI对美国国内¡¢美国政府和国防电子系统的未来投资超过15亿美元)¡£DARPA正在支?#32622;?#22269;国内制造选择£¬并能够开发满足不同需求的差异化能力¡£RTML项目通过创建一种快速且经济高效地生成新型芯片设计的方法£¬以支?#20013;?#20852;的机器学习应用£¬来帮助实现这一使命

      DARPA将在2019年4月2日举办RTML项目提案者日¡£?#34892;?#36259;的提案者将有机会在提案人日期间了解更多关于RTML项目的信息¡£

      中国电科发展战略?#33455;?#20013;心    秦浩

      相关新闻

      中国核科技信息与经济?#33455;?#38498; 中国航天系统科学与工程?#33455;?#38498; 中国航空工业发展?#33455;?#20013;心
      中国船舶工业综合?#38469;?#32463;济?#33455;?#38498; 中国船舶信息中心 北方科技信息?#33455;?#25152; 工业和信息化部电子科学?#38469;?#24773;报?#33455;?#25152;
      DSTI简介 | 大事记 | 网站动态 | 产?#26041;?#32461; | 广告服务 | 客户服务 | 联系方式 | 共建单位 | 合作媒体  
      国防科技信息网 dsti.net © 2006 - 2019 版权所有 京ICP备10013389号
      ʱʱ²Ê³¤Áú¹æÂÉ
      <label id="gsnnz"></label>

        <mark id="gsnnz"><button id="gsnnz"></button></mark>

        <code id="gsnnz"><delect id="gsnnz"></delect></code>
        1. <label id="gsnnz"></label>

            <mark id="gsnnz"><button id="gsnnz"></button></mark>

            <code id="gsnnz"><delect id="gsnnz"></delect></code>