Βέλτιστος σχεδιασμός μοντέλων τεχνητής νοημοσύνης με επίγνωση των προδιαγραφών του υλικού και της διάρκειας ζωής της εφαρμογής
Φόρτωση...
Ημερομηνία
2026-10-14
Συγγραφείς
Λάμψας, Θεοχάρης
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Η παρούσα διπλωματική επικεντρώνεται στη μελέτη, αξιολόγηση και επέκταση του πλαισίου FlexiFlow, το οποίο χρησιμοποιείται για την επιλογή της βέλτιστης RISC-V αρχιτεκτονικής για πολλές διαφορετικές εφαρμογές, λαμβάνοντας υπόψιν την διάρκεια ζωής και το συνολικό αποτύπωμα άνθρακα της εκάστοτε εφαρμογής. Οι εφαρμογές αυτές υλοποιούν από έναν αλγόριθμο η καθεμία, σχεδιασμένες ώστε να ενσωματώνονται σε πολύ μικρά αναλώσιμα εύκαμπτα ηλεκτρονικά, ακολουθώντας το μοντέλο της υπολογιστικής στο άκρο (edge computing). H έρευνα περιλαμβάνει τον προγραμματισμό του FPGA ECP5 Evaluation Board με όλες τις αρχιτεκτονικές, αφού πρώτα περάσουν από μια προσομοίωση. Με αυτήν την μέθοδο γίνεται μια επαλήθευση των αρχιτεκτονικών και συλλέγονται μετρήσεις. Στην συνέχεια πραγματοποιείται φυσική υλοποίηση των αρχιτεκτονικών μέσω της ροής του OpenLane χρησιμοποιώντας το ανοιχτού κώδικα Sky130 PDK της SkyWater Technology Foundry, δημιουργώντας σχέδια τα οποία καλύπτουν εύρος μνήμης από 2 KB έως και 64 KB. Από την φυσική υλοποίηση εξάγονται επιπλέον μετρήσεις ισχύος, απόδοσης και έκτασης. Μέσω όλων των μετρήσεων λαμβάνεται η απόφαση για την βέλτιστη αρχιτεκτονική με επίγνωση του αποτυπώματος άνθρακα και της διάρκειας ζωής για την κάθε αρχιτεκτονική. Στο πλαίσιο επέκτασης της αξιολόγησης προστίθεται μια νέα εφαρμογή βασισμένη σε σύνολο δεδομένων εντοπισμού κρούσης αντικειμένου σε επιφάνεια η οποία αποτελεί πλέγμα 5 × 5 με τα τέσσερα γωνιακά σημεία να είναι κατειλημμένα από αισθητήρες. Τρεις αλγόριθμοι μηχανικής μάθησης (ρηχό νευρωνικό δίκτυο, γραμμική μηχανή διανυσμάτων υποστήριξης και τυχαίων δασών) εκπαιδεύονται σε Python και κατόπιν επαναλαμβάνεται ολόκληρη η διαδικασία αξιολόγησης. Τα αποτελέσματα της έρευνας παρέχουν μια ολοκληρωμένη εικόνα των δυνατοτήτων και των περιορισμών του συστήματος, αναδεικνύοντας τα πλεονεκτήματα και τις προκλήσεις της υλοποίησης των συγκεκριμένων εφαρμογών σε edge υποδομές.
Περιγραφή
Λέξεις-κλειδιά
Τεχνητή νοημοσύνη, Μηχανική μάθηση, Εύκαμπτα ηλεκτρονικά, Ενεργειακό αποτύπωμα, Ολοκληρωμένα κυκλώματα