近似計算

近似計算は、エネルギー効率が高く、かつ/または高性能な設計のための新たなパラダイムです。^{[ 1 ]}これは、正確な結果を保証するのではなく、不正確な結果を返す可能性のある多数の計算手法を含み、近似結果で目的が達成できるアプリケーションに使用できます。^{[ 2 ]}このような状況の1つは、検索エンジンです。特定の検索クエリに対して正確な答えが存在しない可能性があり、したがって、多くの答えが許容される場合があります。同様に、ビデオアプリケーションで一部のフレームが時折ドロップしても、人間の知覚の限界により検出されない場合があります。近似計算は、多くのシナリオで、正確な計算を実行するには大量のリソースが必要ですが、制限付き近似を許容することで、許容できる結果精度を維持しながら、パフォーマンスとエネルギーにおいて不釣り合いな利益が得られるという観察に基づいています。 たとえば、k -meansクラスタリングアルゴリズムでは、分類精度の損失を5%に抑えるだけで、完全に正確な分類と比較して50倍のエネルギーを節約できます。

近似計算における重要な要件は、近似は重要でないデータにのみ導入できるということである。なぜなら、重要なデータ（例えば、制御操作）を近似すると、プログラムのクラッシュや誤った出力など、壊滅的な結果を招く可能性があるからである。

近似計算を行うには、いくつかの戦略を用いることができる。

近似回路

近似算術回路：^{[ 3 ]}近似加算器、^{[ 4 ] [ 5 ]}近似乗算器^{[ 6 ]}およびその他の論理回路は、ハードウェアのオーバーヘッドを削減できます。^{[ 7 ] [ 8 ] [ 9 ]}たとえば、近似マルチビット加算器はキャリーチェーンを無視できるため、すべてのサブ加算器が並列に加算演算を実行できます。^{[ 10 ] [ 11 ]}

ハードウェアアクセラレータの概算値

おおよそのストレージ容量とメモリ容量

データ値を正確に保存する代わりに、浮動小数点データの下位ビットを切り捨てるなどして、近似的に保存することができます。別の方法として、信頼性の低いメモリを受け入れることもできます。このために、DRAM ^{[ 12 ]}およびeDRAMでは、リフレッシュレートの割り当てを下げるか制御することができます。^{[ 13 ]} SRAMでは、供給電圧を下げるか制御することができます。^{[ 14 ] [ 15 ]}近似ストレージは、 MRAMの高い書き込みエネルギー消費を削減するために適用できます。 ^{[ 16 ]}一般的に、エラー検出および訂正メカニズムはすべて無効にする必要があります。

ソフトウェアレベルの近似

ソフトウェアレベルで近似する方法はいくつかあります。メモ化またはファジーメモ化（キャッシュからの近似取得にベクトルデータベースを使用する、つまりファジーキャッシング）を適用できます。ループの反復の一部をスキップして（ループパーフォレーションと呼ばれる）、結果をより速く得ることができます。実行時の条件からタスクが役に立たないと判断された場合など、一部のタスクをスキップすることもできます（タスクスキップ）。モンテカルロアルゴリズムとランダム化アルゴリズムは、正確性と引き換えに実行時間の保証を提供します。^{[ 17 ]}計算は、ニューラル処理ユニットなどの専用ハードウェアで容易に高速化できるパラダイムに従って再定式化できます。^{[ 18 ]}

近似システム

近似システムでは、^{[ 19 ] [ 20 ]}プロセッサ、メモリ、センサー、通信モジュールなどのシステムのさまざまなサブシステムが相乗的に近似され、各サブシステムを個別に近似する場合と比較して、はるかに優れたシステムレベルの QE トレードオフ曲線が得られます。

近似計算は、マルチメディア処理、機械学習、信号処理、科学計算など、アプリケーションがエラー耐性を持つさまざまな領域で使用されています。したがって、近似計算は主に人間の知覚/認知に関連し、本質的にエラー耐性を持つアプリケーションによって推進されています。これらのアプリケーションの多くは、統計的または確率的計算に基づいており、目的により適したさまざまな近似を行うことができます。^{[ 21 ]}機械学習 における注目すべきアプリケーションの1つは、Googleが独自のテンソル処理ユニット（TPU、カスタムASIC ）でこのアプローチを使用していることです。^{[ 22 ]}

近似計算における主な課題は、アプリケーションのどの部分を近似できるかを特定することです。大規模なアプリケーションの場合、近似計算技術に関する専門知識を持つ人が、アプリケーションドメインに関する十分な専門知識を持っていない（あるいはその逆）ことが非常によくあります。この問題を解決するために、プログラミングパラダイム^{[ 23 ]}が提案されています。これらのパラダイムはすべて、アプリケーションプログラマとアプリケーションドメインエキスパートの役割が明確に分離されているという共通点があります。これらのアプローチにより、最も一般的な最適化と近似計算技術を普及させることができます。

• 人工ニューラルネットワーク
• メタヒューリスティック
• PCMOS
• FPGA