High PERformance and efficient Artificial Intelligence Hardware Library

Abstract

Dato il notevole successo delle tecniche di intelligenza artificiale in un’ampia gamma di applicazioni, quali riconoscimento di immagini e elaborazione del linguaggio naturale, e la necessità di elaborare sempre maggiori quantità di dati mantenendo contenuti i consumi energetici, si è intensificata la ricerca di acceleratori hardware in grado di migliorare le prestazioni anche due ordini di grandezza. Il ricorso ad architetture classiche basate su CPU/GPU comporta però dei “colli di bottiglia”. Hardware dedicato (ASIC) comporta notevoli benefici, ma soluzioni così specifiche rischiano di diventare rapidamente obsolete se si usano nuovi algoritmi. In questo contesto, l’hardware riconfigurabile (FPGA) permette di ottenere sia prestazioni che efficienza energetica superiori rispetto a CPU/GPU. Obiettivo di questo progetto è di sviluppare componenti hardware per l’accelerazione di applicazioni per intelligenza artificiale su FPGA. Inoltre, l’analisi di scenari applicativi cercherà di identificare gli aspetti cognitivi maggiormente rilevanti. L’idea fondante è di utilizzare il principio di computazione dataflow per cui un componente, hardware o software, può ottenere sufficiente isolamento e rendere possibile l’elaborazione interoperabile fra vari moduli di questo tipo. Il concetto estende l’idea di computazione basata su dataflow-threads inizialmente sperimentata con successo su piattaforme hardware e software in precedenti progetti (TERAFLUX e AXIOM).