AutoPiM: Effektiv accelerator för autonoma fordon
- Diarienummer
- SIP21-0087
- Projektledare
- Petersen Moura Trancoso, Pedro
- Start- och slutdatum
- 221101-271031
- Beviljat belopp
- 3 112 000 kr
- Förvaltande organisation
- Chalmers University of Technology
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Autonoma fordon är en viktig förutsättning för framtidens rörlighet av människor och varor. Detta kan bli verklighet på grund av framstegen i maskininlärnings (ML) algoritmer vars enorma behov av beräkningskraft blivit möjliga genom utvecklingen av kraftfulla hårdvaruacceleratorer. Utmaningarna är fortfarande många vad avser skalbarhet av ML-algoritmer när det gäller behov av beräkningskraft, minneskapacitet och energieffektiva lösningar. Ett speciellt hinder som adresseras i detta projekt rör ineffektiviteten i minnessystemet. Projektets ansats är att helt gå ifrån von-Neumann-modellen genom att flytta beräkningarna så nära de data som ska bearbetas som möjligt. Projektet studerar detta genom en kombination av två tekniker för databehandling i minnet; nära-minnet respektive och i-minnet databehandling, kallad dualPiM. AutoPiM ramverket består av dualPiM och verktyg för att utnyttja det effektiva utförandet av ML-applikationer for autonoma fordon. Projektets potential bygger på de deltagande partners gemensamma och kompletterande erfarenhet. Medan båda partnerna är experter på datorarkitektur och hårdvaruimplementering kommer den svenska partnern att studera nära-minnet databehandling medan den israeliska partnern kommer att studera i-minnet databehandling. Resultaten av detta projekt kommer att kunna utnyttjas av samverkande industripartner och spridas akademiskt i det internationella forskningssamfundet.
Populärvetenskaplig beskrivning
Autonoma fordon som bilar, bussar eller lastbilar som kör på egen hand, utan mänsklig inblandning, är en viktig aspekt på framtidens rörlighet av människor och varor. Även om detta lät som science fiction för några år sedan börjar det äntligen bli verklighet på grund av de stora framstegen inom både området för artificiell intelligens och maskininlärning och datorsystemen som äntligen kan leverera den höga prestanda som behövs för dessa uppgifter. Även om produkterna som demonstreras och släpps ut på marknaden idag är imponerande, är de fortfarande ganska begränsade vad gäller vad de kan göra. För att kunna leverera mer kapabla system behöver vi utveckla nya kraftfullare och effektivare datorsystem! Traditionella datorsystem består av två huvudkomponenter: en processorenhet (CPU) som gör alla operationer som behövs, och minne som används för att lagra allt som behövs för dessa operationer. Ett vanligt problem vi står inför idag är att mycket tid och energi läggs ner i processorn på att fråga efter den data som behövs och sedan spara resultaten i minnet. Låt oss kalla denna bearbetning processering-utanför-minnet. Så vi måste undersöka ett nytt sätt att göra saker på! En intressant lösning är att ha både data och enheter som behöver den data på samma plats. För med denna lösning gör vi operationerna på samma ställe som vi lagrar data. Vi kallar denna bearbetning processering-i-minnet! Det här är ingen ny idé. I många år har forskare pratat om denna lösning men ingen bra teknik för att göra sådana nya system har funnits. Nyligen har nya tekniker föreslagits och vi tror att det nu är dags att vi äntligen kan ha processorer och minne levande lyckligt tillsammans i samma modul eller chip! I detta projekt – AutoPiM – planerar vi att bygga ett nytt system där beräkningen och data görs tillsammans på ett mycket effektivt sätt. Vi kommer att använda detta nya system för att erbjuda mer prestanda på ett mer effektivt sätt än nuvarande lösningar, för framtidens autonoma fordon.