AIハードウェアとソフトウェアスタック

ニューロモーフィックコンピューティングのハードウェアが、低い消費電力をめざせる主な理由として正しいものはどれか。

  1. Aすべてのニューロンを高いクロック周波数で常に同時に動かすから
  2. Bすべての計算を64ビットの浮動小数点で行うから
  3. Cスパイクが届いた部分だけが動くイベント駆動で、重みを保持するメモリを演算の近くに置いてデータの移動を減らすから
答えと解説を見る

正解:C. スパイクが届いた部分だけが動くイベント駆動で、重みを保持するメモリを演算の近くに置いてデータの移動を減らすから

ニューロモーフィックコンピューティングは、脳の神経回路を手本にして、情報をスパイクと呼ぶパルスで伝えます。入力に変化があってスパイクが届いた部分だけが動くため、活動がまばらな処理では何もしていない回路の電力をほとんど使いません。また、シナプスの重みを各コアの中のメモリに置き、演算器との間の長いデータ移動を減らします。こうした特徴が、密な行列演算を一斉に行うGPUとの違いです。

  • A. 常に一斉に動かすのは、むしろ電力を増やす方向です。
  • B. 精度の高い数値形式は、電力を増やす方向に働きます。
  • C. 正しい。イベント駆動と、メモリと演算の近接が理由です。
この分野を解く 分野ページへ

関連する計算ツール

AIハードウェアとソフトウェアスタックの参考書を探す PR

Amazonの検索結果へのリンクです。Amazonのアソシエイトとして、半導体教室は適格販売により収入を得ています。

AIハードウェアとソフトウェアスタックのほかの問題

  1. ニューロモーフィックコンピューティングで動かすスパイキングニューラルネットワーク(SNN)を、通常のニューラルネットワークの誤差逆伝播法でそのまま学習させにくい主な理由として正しいものはどれか。
  2. ニューラルネットワークの「学習」と「推論」の違いとして正しいものはどれか。
  3. 学習に必要なメモリが、同じモデルの推論よりずっと大きくなる理由として当てはまらないものはどれか。
  4. パラメータ数70億(7B)のモデルを、重み・勾配・Adamの2つの状態をすべてFP32(4バイト)で持って学習する。活性化を除いて必要なメモリに最も近いものはどれか。
  5. パラメータ数70億(7B)のモデルの重みをFP16(2バイト)で持つと、重みのメモリはおよそいくらか。

この分野の比較