独Robert Bosch（ボッシュ）社は、自動運転の画像認識などでの用途を想定して、高い信頼性のDNN（Deep Neural Network）を低コストで実現する手法を開発した。同社はこの手法について、ドイツ・ドレスデンで開催中の電子設計・テスト技術に関する国際学会「2018 Design, Automation & Test in Europe：DATE 18」（3月19日～22日）において口頭発表した。
Christoph Schorn氏。日経 xTECHが撮影
今回の手法は独RWTH Aachen UniversityとBoschが共同で開発したもので、発表者は双方に所属するChristoph Schorn氏。講演タイトルは「Accurate Neuron Resilience Prediction for a Flexible Reliability Management in Neural Network Accelerators」（講演番号 8.4.2）である。DNN中のニューロンの「Resilience」（ノイズなどを受けた状態からの回復力：以下、回復力）を解析し、回復力の弱いニューロンには信頼性の高いハードウエア（例えば、多重化したハードウエアで、ハードウエアのコストが大きい）を割りあてる。そのほかのニューロンは通常のハードウエアを割り当てる。これでハードウエアのコストの増大を抑えながら、高い信頼性を実現する。
DNN全体を多重化すると（左）と回路が大きくなりすぎる。弱いニューロンだけを保護された回路にマッピングして、高信頼性と低コストの両立を狙う（右）。Boschのスライド
[画像のクリックで拡大表示]
