하드웨어 응용을 위한 조회 테이블의 무손실 압축

대규모 조회 테이블(lookup tables)은 상수 값 배열을 저장하는 데 하드웨어에서 광범위하게 사용됩니다. 이는 상수 계수 곱셈과 같은 기본적인 수학 연산부터, 테이블 기반 신경망(NNs) 및 Kolmogorov-Arnold 네트워크(KANs)를 포함한 신흥 머신러닝 모델에 이르기까지 다양한 응용 분야에 걸쳐 활용됩니다. 하지만 방대한 양의 상수 값 테이블을 저장하는 것은 FPGA와 같이 자원 제약이 있는 엣지 디바이스에서 과도한 하드웨어 비용을 초래할 수 있습니다. 본 논문에서는 임의의 데이터를 하드웨어에서 효율적으로 저장하고 검색하기 위한 무손실 압축 방식인 CompressedLUT와 그 디코더 하드웨어 아키텍처를 제안합니다. 저희 방법은 분해(decomposition), 자기 유사성(self-similarities), 고비트 압축(higher-bit compression), 그리고 다단계 압축 기술을 결합하여 정확도 손실 없이 테이블 크기 절감을 극대화합니다. 이 하드웨어 디코더는 주로 덧셈, 산술 우측 시프트(arithmetic right shift), 그리고 여러 개의 작은 조회 테이블만을 사용하여 낮은 면적과 높은 처리량을 보장합니다. 저희는 12비트 해상도에서 다수의 비선형 함수, 상수 계수 승산기(CCMs), KANs를 구현하여 FPGA에 CompressedLUT를 평가했습니다. CompressedLUT는 오픈 소스 도구로 제공됩니다.