행렬 기반 뇌 모방 표현 확장을 위한 벡터 공간 투영 및 통합 복소수 값 가속

요약

본 연구는 행렬 기반의 뇌 모방 표현(GHRR)을 벡터 공간에서 효율적으로 실행하는 플래트닝 방법론을 제안합니다. 나아가, 바인딩과 유사성을 통합한 복소수 값 데이터 경로를 갖춘 맞춤형 28 nm ASIC을 설계했습니다. 이 프로토타입은 NVIDIA RTX 4090 GPU 대비 높은 처리량 및 에너지 효율성 향상을 입증하며 모델 확장성을 높였습니다.

핵심 포인트

• GHRR의 행렬 기반 인코딩을 유지하면서 순열 논리가 필요 없는 방법론 제시.
• 바인딩과 유사성을 통합한 단일 복소수 값 데이터 경로를 갖는 ASIC 설계.
• 개발된 프로토타입은 RTX 4090 대비 높은 처리량(1.36~1.56배)을 보임.
• 에너지 효율성 측면에서 최대 18.6배 향상 효과 입증.