Reram-Based Machine Learning
Prechod na exascale výpočty viedol k veľkým zmenám vo výpočtových paradigmách. Potreba analyzovať a reagovať na takéto veľké množstvá súborov údajov viedla k prijatiu metód strojového učenia (ML) a hlbokého učenia (DL) v širokom spektre aplikácií.
Jednou z hlavných výziev je načítanie údajov z výpočtovej pamäte a ich zápis späť bez toho, aby došlo k preťaženiu pamäťovej steny. Na riešenie týchto problémov boli zavedené výpočty v pamäti (IMC) a podporné rámce. Metódy in-memory computingu majú veľmi nízku spotrebu a vysokú hustotu zabudovanej pamäte. Technológia rezistívnej pamäte s náhodným prístupom (ReRAM) sa zdá byť najsľubnejším riešením IMC vďaka minimalizácii únikového výkonu, zníženej spotrebe energie a menšej hardvérovej stope, ako aj kompatibilite s technológiou CMOS, ktorá sa široko používa v priemysle.
V tejto knihe autori predstavujú techniky ReRAM na vykonávanie distribuovaných výpočtov pomocou akcelerátorov IMC, predstavujú architektúry IMC založené na ReRAM, ktoré môžu vykonávať výpočty ML a dátovo náročných aplikácií, ako aj stratégie na mapovanie návrhov ML na hardvérové akcelerátory.
Kniha slúži ako most medzi výskumníkmi v oblasti výpočtovej techniky (návrhármi algoritmov pre ML a DL) a návrhármi výpočtového hardvéru.