Tekoälyyn perustuva energia- ja resurssitehokkaiden laitteistokiihdyttimien suunnittelu

Laitteistokiihdyttimet voivat parantaa merkittävästi energiatehokkuutta sellaisissa tehtävissä kuten tekoäly, verkkokäsittely, fysiikan simulointi tai kryptografia. Kuitenkin algoritmien nopean kehityksen myötä olemassa olevista kiinteiden toimintojen kiihdyttimistä tulee nopeasti sirujätettä. Ehdotetulla tutkimuksella pyritään välttämään sirujätettä ja automatisoimaan uudelleenkäytettävien ohjelmoitavien laitteistokiihdyttimien tuotantoa vahvistusoppimismenetelmillä. Menetelmät löytävät automaattisesti kelvollisen edullisen kiihdytinmallin, jolla on halutut ominaisuudet. Menetelmät alkavat korkean tason ohjelmakuvauksista ja tuottavat täydellisiä kääntäjien ohjelmoitavia kiihdyttimiä, joilla on halutut ominaisuudet, kuten optimoitu energiatehokkuus. Tutkimus on mahdollista yhdistämällä piirisuunnittelun osaamista Tampereen yliopiston Customised Parallel Computing -tutkimusryhmässä vahvistusoppimisen ja algoritmien kehittämiseen Aalto-yliopiston Robot Learning -tutkimusryhmässä.