Väitös, elektroniikka, MSc Omar Numan

Väitöskirjan nimi: Design and calibration of current-mode compute-in-memory integrated circuits for neural network processing.

Väittelijä: Omar Numan
Vastaväittäjä: Dr. Elena-Ioana Vatajelu, TIMA Laboratory, Grenoble, Ranska
Kustos: Prof. Kari Halonen, Aalto-yliopiston sähkötekniikan korkeakoulu

Tekoälyä käytetään nykyään monissa pienissä laitteissa, kuten antureissa, puettavassa elektroniikassa, mobiilijärjestelmissä ja muissa reunalaskennan laitteissa. Nämä laitteet käsittelevät usein dataa paikallisesti sen sijaan, että kaikki tieto lähetettäisiin pilvipalvelimille. Neuroverkkojen suorittaminen tavallisilla digitaalisilla prosessoreilla kuluttaa kuitenkin paljon energiaa, pääasiassa siksi, että dataa täytyy siirtää jatkuvasti muistin ja prosessorin välillä.

Tässä väitöskirjassa tutkittiin tapoja vähentää tekoälylaskennan energiankulutusta tuomalla muisti ja laskenta lähemmäs toisiaan integroiduissa piireissä. Tutkimus keskittyy muistissa tapahtuvaan laskentaan, jossa neuroverkkojen keskeiset laskutoimitukset suoritetaan suoraan muistia muistuttavissa piirirakenteissa. Väitöskirjassa suunnitellaan ja tutkitaan virtamuotoisia sekasignaalisia muistissa laskevia piirejä, joissa neuroverkon painokertoimet tallennetaan laitteistoon, syötedata annetaan sähköisinä signaaleina ja tulokset muodostuvat virtana.

Työ käsittelee keskeistä haastetta: vaikka analogiset ja sekasignaaliset piirit voivat säästää energiaa, niiden tarkkuutta voivat heikentää piirien epäideaalisuudet, lämpötilan muutokset, komponenttien epäsovitukset, jännitehäviöt ja lukupiirien virheet. Väitöskirjan päätulos on käytännöllinen ja ohjelmoitava muistissa laskeva alusta, joka yhdistää piirisuunnittelun, kalibroinnin ja järjestelmätason ohjauksen. Alustassa CMOS-yhteensopiva muistissa laskeva ydin on integroitu järjestelmäpiiriin sulautetun RISC-V-prosessorin kanssa, mikä mahdollistaa ohjelmoitavan toiminnan ja itsekalibroinnin.

Väitöskirja esittelee myös piiritekniikoita analogisten tulosten lukemiseen ja muuntamiseen pienemmällä kuormituksella, kalibrointimenetelmiä vahvistus- ja offset-virheiden vähentämiseen, yhteyksien jännitehäviöiden kompensointia sekä menetelmiä toiminnan vakauttamiseen lämpötilan muuttuessa. Lisäksi työssä esitellään hierarkkinen Verilog-A-mallinnus- ja yhteissimulaatiokehys ennen valmistusta tehtävää testausta varten. Tulokset osoittavat, että toimiva tekoälylaitteisto edellyttää muistisolujen, analogisten lukupiirien, digitaalisen ohjauksen, kalibroinnin ja varmennusmallien huolellista yhteensovittamista. Tuloksia voidaan hyödyntää tulevaisuuden reunatekoälylaitteistoissa, kuten älyantureissa, IoT-laitteissa, sulautetuissa konenäköjärjestelmissä, puettavassa elektroniikassa ja autonomisissa vähävirtaisissa järjestelmissä.

Avainsanat: Muistissa tapahtuva laskenta, sekasignaaliset integroidut piirit, vektori-matriisikertolasku, reunatekoälyn inferenssi, sulautettu kalibrointi, lämpötilakompensointi, hierarkkinen Verilog-A-mallinnus.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aalto-yliopiston riiputussivu

Yhteystiedot:
Omar Numan

+358452305811

omar.numan@aalto.fi  
LinkedIn: www.linkedin.com/in/omarnn95