ALPRI-FI: กรอบการทำงานเพื่อการประเมินความทนทานต่อความผิดพลาดของฮาร์ดแวร์ของตัวเร่งความเร็ว DNN ในช่วงต้น
ALPRI-FI: กรอบการทำงานเพื่อการประเมินความทนทานต่อความผิดพลาดของฮาร์ดแวร์ของตัวเร่งความเร็ว DNN ในช่วงต้น ALPRI-FI: กรอบการทำงานเพื่อการประเมินความทนทานต่อความผิดพลาดของฮาร์ดแวร์ของตัวเร่งความเร็ว DNN ในช่วงต้น ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังเติบโตอย่างก้าวกระโดด เครือข่ายประสาทเทียมเชิงลึก (Deep Neural Networks หรือ DNN) ได้กลายเป็นหัวใจสำคัญในการขับเคลื่อนแอปพลิเคชันต่างๆ ตั้งแต่รถยนต์ไร้คนขับไปจนถึงการวินิจฉัยโรคทางการแพทย์ เพื่อให้ DNN ทำงานได้อย่างมีประสิทธิภาพและรวดเร็ว ตัวเร่งความเร็ว DNN (DNN Accelerators) จึงถูกพัฒนาขึ้นมา อย่างไรก็ตาม ความซับซ้อนของฮาร์ดแวร์ในตัวเร่งความเร็วเหล่านี้ นำมาซึ่งความเสี่ยงต่อความผิดพลาดของฮาร์ดแวร์ ซึ่งอาจส่งผลกระทบต่อความถูกต้องและความน่าเชื่อถือของผลลัพธ์ ดังนั้น การประเมินความทนทานต่อความผิดพลาดของฮาร์ดแวร์จึงเป็นสิ่งสำคัญอย่างยิ่ง บทความวิจัย “ALPRI-FI: A Framework for Early Assessment of Hardware Fault Resiliency of DNN Accelerators” ตีพิมพ์ใน Electronics, Vol. 13 , Pages 3243 นำเสนอ ALPRI-FI ซึ่งเป็นกรอบการทำง...