各種チップの特徴は? 市場にはどんなチップが出回っているの?
最近台頭してきてるTinyMLでは何ができるのか?
自動運転やアルファ碁にはどのようにチップが適用されているの?
ニューロチップの誕生から実装のポイント、チップ設計の勘所、各種チップの性能や特徴、市場トレンドまで、
AI技術の高度化を支えるニューロチップ・AI半導体チップについて解説します。
▼第一部:基礎
1.ニューロチップ誕生まで
1.1 20世紀:ニューロンモデル、ニューロモルフィック
1.2 21世紀:アルゴリズム、ニューロチップ(サーバ、エッジ)
2.ニューロチップ実装のポイント
2.1 情報の種類と入力次元数
2.2 アルゴリズム・モデルの発展とパラメータ/メモリ容量
3.MAC回路とその演算性能指標
3.1 MAC回路構成(演算素子/ユニット/全結合層)
3.2 学習と推論の実装の差
▼第二部:詳細(技術)
4.スピード重視のサーバ用ニューロチップ
4.1 チップ詳細(TPU-v2/3, A-100, Cerebra, IPU)
4.2 データ/モデル 並列
5.高効率追求型のエッジ用AI
5.1 量子化、スパース (LUT, Log, Pruning/Eyeriss, DNPU,EIE--)
5.2 データフロー (IS-RS-OS-WS, CB/Eyeriss, Flex・・・)
5.3 学習(エッジ)用チップ(LNZBP, Ternary BP)
6.究極の性能を狙うCIM (Computing in memory)
6.1 CIM (SRAM) ・・・Ternary/Binary 技術
6.2 nv_CIM(NVMM)・・・ReRAM/PCM
▼第三部:詳細(市場)
7.市場トレンドと台頭著しいTinyML
7.1 ニューロチップ市場トレンド(High End, Mid, Low/Tiny)
7.2 TinyML(CIM型、TensorFlow-L型、ニューロモルフィック型)
8.アプリケーションへのチップ運用
8.1 CNN:自動運転(End to End learning)、RNN:自動翻訳
8.2 深層強化学習:アルファ碁
▼第四部:展開
9.ブレークスルーを狙うニューロモルフィック工学
9.1 スパイキングニューラルネットワーク(SNN, TrueNorth/Loihi)
9.2 最新注目技術動向:リザバーコンピューティング
10.今後の技術動向と纏め
□質疑応答□