AIBR プレミアム
拓海先生、最近若手が『この論文を見て設計を自動化しましょう』と言うのですが、肝心の要点がよくわからなくて困ってます。ざっくり教えてくださいませんか。
素晴らしい着眼点ですね！大丈夫、一緒にやれば必ずできますよ。要点は三つで説明します。まず、この研究はハードとソフトの設計候補を速く、かつ正確に絞り込む仕組みを示しているんですよ。
その『速く正確に』って、具体的にはどの程度なんですか。現場では『本当に試作前に信頼できるのか』が問題でして。
良い質問です。ここで言う『正確』とは、最終的に重要な評価指標であるEnergy-Delay Product (EDP)（エネルギー遅延積）を、高精度なRTLシミュレーション（Register-Transfer Level simulation、RTLシミュレーション）結果に対して99%近く予測できるという意味です。『速い』は一秒間に数千の予測を出せる速度で、数百万の設計候補を短時間で検討できるということです。
これって要するに、試作品を何度も作らなくても良いということですか？投資対効果が合うなら随分助かりますが。
はい、まさにその通りです。大丈夫、一緒にやれば必ずできますよ。投資対効果の観点でいうと、良い候補を短時間で見つけられるため、試作と評価にかかる時間とコストが大きく減ります。ポイントは三つ、（1）低コストな評価と高精度評価をうまくつなぐ、（2）限られた高精度評価を賢く使う、（3）ハードとソフトの組合せを同時に最適化する、です。
『低コストな評価』って、具体的にはどんな方法を指すのですか。現場はシミュレーションが主体で、分析モデルもありますが信頼性がまちまちで。
良い観点ですね。低コスト評価とは分析モデルなどの高速だが粗い評価手法を指します。高精度評価はRTLシミュレーションのように詳細で遅い手法です。研究はTransfer Learning（転移学習）を用いて、低コスト評価で得た情報を高精度評価に結びつける方法を提案しており、これが『橋渡し』の役割を果たしています。
転移学習ですか。機械学習で聞く言葉ですが、うちの部署でも使えそうですね。ところで、導入の手間と人材の問題はどう考えれば良いでしょうか。
ご安心ください。大丈夫、一緒にやれば必ずできますよ。実務導入では、まずベンチマークとなる評価指標と簡易モデルを整備し、次にこの仕組みを『補助的な設計探索エンジン』として使います。人材面は内製で全てを賄うより、最初は外部の専門家と共に成果を出しながらノウハウ移転するのが現実的です。
分かりました。要するに『転移学習で安い評価を賢く使い、高価な評価を節約して良い設計を見つける』ということですね。よし、まずは社内で小さな実証を回してみます。ありがとうございました。
