284753記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 低精度エッジDLA向け面積・電力効率の高い時間型ユニタリ畳み込みコア（Tempus Core: Area-Power Efficient Temporal-Unary Convolution Core for Low-Precision Edge DLAs）
3 分で読了
0 views

低精度エッジDLA向け面積・電力効率の高い時間型ユニタリ畳み込みコア

（Tempus Core: Area-Power Efficient Temporal-Unary Convolution Core for Low-Precision Edge DLAs）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お時間よろしいですか。最近、端末向けのAIチップで「Tempus Core」という論文が話題だと聞きましたが、正直言って技術的な話は苦手でして、要点を教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、短く結論だけ先にお伝えしますと、Tempus Coreはエッジ向けの畳み込み演算を、面積と電力の両面で大きく効率化する「時間型ユニタリ（temporal-unary）＋2値（binary）ハイブリッド」エンジンです。ポイントを三つに整理してから、順を追って説明しますよ。

田中専務

三つにまとめていただけると助かります。まずその方式はうちの現場で使っているDLA（Deep Learning Accelerator）と互換性はあるのでしょうか。導入しても既存投資が無駄にならないかが心配です。

AIメンター拓海

素晴らしい着眼点ですね！結論から言うとTempus Coreは既存のDLAデータフロー、特にNVDLA（NVIDIA Deep Learning Accelerator）互換性を念頭に設計されており、現行の畳み込みデータパスに「置き換え可能」な形で提案されています。次に、なぜ効率化できるかを噛み砕いて説明しますよ。

田中専務

なるほど。効率化の話ですが、よく聞く「ユニタリ（unary）」というのは従来の計算とどう違うのですか。うちが期待する具体的な効果、例えば面積や電力はどれくらい改善するのですか。

AIメンター拓海

素晴らしい着眼点ですね！まず用語の整理から。ここでの”unary”は時間的にビットを順に扱う計算様式を指します。噛み砕けば、従来の並列で重い回路を同時に動かす代わりに、

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
適切性の理論と生成AIへの応用 — A Theory of Appropriateness with Applications to Generative Artificial Intelligence
次の記事
地理空間データ融合：LiDAR・SAR・光学画像をAIで統合する都市マッピングの革新
（Geospatial Data Fusion: Combining LiDAR, SAR, and Optical Imagery with AI for Enhanced Urban Mapping）
関連記事
視覚欠損下におけるヒューマノイド複合歩行制御
（VB-Com: Learning Vision-Blind Composite Humanoid Locomotion Against Deficient Perception）
モデル選択問題における有効成分数を学習するための普遍的自動エルボー検出
（Universal and Automatic Elbow Detection for Learning the Effective Number of Components in Model Selection Problems）
被験者横断的なうつ病レベル分類とサンプル信頼度手法
（Cross-Subject Depression Level Classification Using EEG Signals with a Sample Confidence Method）
DiffusionTalker: Efficient and Compact Speech-Driven 3D Talking Head via Personalizer-Guided Distillation
（DiffusionTalker：個人化ガイド蒸留による効率的でコンパクトな音声駆動3Dトーキングヘッド）
FP-VEC: 効率的なベクトル加算による大規模言語モデルの指紋化
（FP-VEC: Fingerprinting Large Language Models via Efficient Vector Addition）
GPT-4oは視覚をどれだけ理解するか？ — Multimodal Foundation Modelsの標準的な画像認識タスクにおける評価
(How Well Does GPT-4o Understand Vision?)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
偶然の深宇宙観測領域バイアスが示す注意点
（Accidental deep field bias in CMB T and SNe z correlation）
  • 論文研究
酸化物界面における絶縁状態の渦励起
（Vortex excitations in the Insulating State of an Oxide Interface）
  • 論文研究
Primal-Dual Wasserstein GANの要点と事業活用の示唆
（Primal-Dual Wasserstein GAN）
  • 論文研究
大規模論文・技術文書を機械的に読み解く仕組み
（Corpus Conversion Service: A Machine Learning Platform to Ingest Documents at Scale）
  • 論文研究
System APIに基づくAndroidランサムウェア検出の有効性
（On the Effectiveness of System API-Related Information for Android Ransomware Detection）
  • 論文研究
関連学習における可解釈性と合成性を高める共同訓練型オートエンコーダ
（Interpretable and Compositional Relation Learning by Joint Training with an Autoencoder）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む