PR

 メガチップスは、電子設計技術に関する国際学会/展示会「55th Design Automation Conference(DAC 2018)」(2018年6月24日~28日に米国サンフランシスコで開催)でブースを構えて、IoTエッジ機器で稼働する軽量な推論用ハードウエアのデモンストレーションや、台湾TSMCの16nm FinFETプロセスに向けた高速A-D/D-A変換器IPコアの紹介を行った。同社がDACに出展するのは、今回が初めて。

左から赤萩一成氏、田中基康氏、佐久間雄二氏。メガチップのブースで日経 xTECHが撮影
左から赤萩一成氏、田中基康氏、佐久間雄二氏。メガチップのブースで日経 xTECHが撮影
[画像のクリックで拡大表示]

 ブースで推論用ハードウエアのデモンストレーションを行っていた田中基康氏(ASIC事業本部 第2事業部 事業戦略部1課 参事)によれば、AI技術をIoTエッジ機器のような演算能力の低い機器に適用したいという要望が多いとする。例えば、DNN(Deep Neural Network)を利用することで、分類や認識などの処理を行う仕組みの開発負荷を低減できる。DNNを利用すれば、データを使って学習を行うことでプログラミングの工数を抑えた形で、分類や認識の仕組みを作ることが可能になる。

 ただし、学習に使うハードウエア(GPUなど)に比べて、推論用のハードウエアの演算能力は低くても良いとは言え、32ビットの浮動小数点演算を前提にしたDNNを使おうとすると、少なくなともハイエンドスマートフォンのような高い演算能力のハードウエアが必要になる。IoTエッジ機器や家電製品、ミッドレンジ~ローエンドのMCUが載る電子機器では、推論処理の実行は難しいのが現状である。

今回の手法のデモ。左手前の白いボードに載ったXilinxのFPGA「Zynq」に、コンパクト化したニューラルネット(VBNN)を実装し、それを利用して画像認識を行った。日経 xTECHが撮影
今回の手法のデモ。左手前の白いボードに載ったXilinxのFPGA「Zynq」に、コンパクト化したニューラルネット(VBNN)を実装し、それを利用して画像認識を行った。日経 xTECHが撮影
[画像のクリックで拡大表示]