El grup de recerca en Enginyeria Electrònica de la UIB rep el premi al millor treball al congrés internacional Design of Circuits and Integrated Systems Conference 2023 

Un equip d’investigadors del grup de recerca en Enginyeria Electrònica de la Universitat de les Illes Balears ha estat guardonat amb el premi al millor treball presentat al congrés internacional Design of Circuits and Integrated Systems Conference 2023 (DCIS 2023), que va tenir lloc el mes de novembre a la Universitat de Màlaga.

Els autors del treball premiat són els doctors Christian Franco Frasser, Alejandro Morán, Vicens Canals, Joan Font, Eugeni Isern, Miquel Roca i Josep Ll. Rosselló. En el seu treball proposen millorar l’eficiència energètica de la intel·ligència artificial mitjançant l’ús de l’anomenada computació estocàstica.

El grup de recerca en Enginyeria Electrònica, que pertany al Departament d’Enginyeria Industrial i Construcció de la UIB, és especialista en la implementació en maquinari (hardware) de xarxes neuronals per a distints tipus d’aplicacions, com poden ser la identificació de patrons (imatges, caràcters, sons…), la predicció de sèries temporals (meteorològiques, de generació energètica…) o la troballa de possibles components per a la generació de fàrmacs a partir de grans bases de dades de components químics (big data).

La implementació de maquinari de xarxes neuronals permet incrementar la velocitat del processament de dades i reduir el consum energètic; però no només això. També permet treballar amb la computació estocàstica, que presenta diversos avantatges respecte la lògica booleana tradicional amb què funcionen els processos de programari (software), com ara la reducció dels recursos de maquinari necessaris i, també, el consum energètic.

Precisament, el treball guardonat ha demostrat l’eficiència de la computació estocàstica a l’hora d’implementar una xarxa neuronal convolucional (CNN) tipus LeNet-5, una de les xarxes neuronals més famoses en l’àmbit de la intel·ligència artificial, gràcies a un dispositiu hardware programable com és una matriu de portes programables in situ o FPGA. L’article premiat presenta una mínima pèrdua de precisió a l’hora de classificar un banc d’imatges d’entrada (només un 0,01%, comparat amb altres treballs de la bibliografia) mentre que multiplica per 27 la velocitat de classificació i redueix 33 vegades la despesa energètica respecte dels millors resultats dels treballs d’altres autors on també s’implementa la xarxa LeNet-5 per classificar el mateix banc d’imatges.

El treball ha estat finançat pel Ministeri de Ciència i Innovació (MICINN) i pel Fons europeu de desenvolupament regional FEDER a través dels projectes «Desarrollo de sistemas inteligentes hardware con alta eficiencia energética para aplicaciones de computación —Edge— y de supercomputación» (ref.: PID2020-120075RB-I00) i «Sistemas adaptativos en hardware de redes neuronales profundas para procesamiento inteligente de audio» (ref.: PDC2021-121847-I00)

Referència bibliogràfica

 

C. Frasser, A. Morán, V. Canals, J. Font, E. Isern, M. Roca i J. Rosselló. «Approximate arithmetic aware training for stochastic computing neural networks», Proc. DCIS 2023 Conference, p. 99-104. Màlaga, novembre de 2023. 

Fecha de publicación: 14/12/2023