LeapMindの極小量子化技術、ASICで性能見積もり：COOL Chips 23で結果を公表

　ディープラーニングを手掛けるLeapMindは2020年4月17日、同社が開発中の超低消費電力AI（人工知能）推論アクセラレーターIP（Intellectual Property）について、性能見積もりの結果を発表した。この結果は、IEEEが主催するコンピュータの国際学会「COOL Chips 23」（2020年4月15〜17日／オンラインで開催）の基調講演に同社CTOの徳永拓之氏が登壇し、公表したもの。

　具体的には、台湾Alchip Technologies（アルチップ・テクノロジーズ、以下Alchip）が設計するASICにLeapMindのIPを実装。シリコン実装時の性能の指標であるPPA（Power, Performance and Area／消費電力・性能・面積）の見積もりを出した。

　その結果、消費電力（標準条件）は27.7TOP/W、性能は6.55TOPS/秒（800MHz時）、シリコン面積は0.442mm²となった。この性能見積もりにより、LeapMindが従来開発対象としてきたFPGAだけでなく、ASICに対しても同社の技術が有効であることが確認できたとしている。なお、見積もりに当たりLeapMindとAlchipはメモリ構成などを検討し、複数構成でのレイアウトでトライアルを実施したという。

【訂正：2020年4月22日 8:20 当初、シリコン面積を「0.245mm²」と記載しておりましたが、LeapMindよりプレスリリースの記載が誤っていたとの申し入れがあり、「0.442mm²」と訂正しております。下記の図版も併せて差し替えました。】

PPAの見積もり結果 画像：LeapMind（クリックで拡大）

　LeapMindは、今回の性能見積もり結果に基づき、AI推論アクセラレーター回路のさらなる性能向上と電力効率改善を図っていく。今回の性能見積もりでは、特別なセルライブラリやメモリを使用しておらず、省電力の実装手法も用いていないので、実装における電力効率改善の余地は大いにあるとする。

　例えばAlchipの設計技術を取り入れることで、スタティックおよびダイナミック消費電力の予測、削減とともに、クロックゲーティング手法や複数の電源電圧に対応した領域分割を行うことで、電力をさらに削減することが可能だという。

　2012年に設立されたLeapMindは、エッジデバイスでもディープラーニングを動作できるように、ニューラルネットワークを大幅に軽量化する「極小量子化」技術などを開発している。極小量子化は、例えば32ビット浮動小数点から8ビット整数へ量子化するという、現在主流のものをさらに進めて、重み係数を1ビット、アクティベーションを2ビットに量子化する。LeapMindは、この極小量子化を使ったディープニューラルネットワーク専用回路の設計も行っている。設立以降、約150社とのプロジェクトを推進し、エッジデバイスでのAI実装を目指した案件を多く手掛けている。