SNAC-Pack: Automatisierte FPGA-Architektursuche steigert Genauigkeit & Ressourcen

Neues Forschungswerkzeug namens SNAC-Pack (Surrogate Neural Architecture Codesign Package) vereint die Suche nach neuronalen Architekturen mit einer Echtzeit-Schätzung von Ressourcenverbrauch und Latenz auf FPGAs. Dadurch können Modelle nicht nur hinsichtlich ihrer Genauigkeit, sondern auch hinsichtlich ihrer Hardware-Effizienz optimiert werden, ohne dass jedes Kandidatenmodell synthetisiert werden muss.

Im Testfall einer Jet‑Klassifikation in der Hochenergiephysik erreichte ein SNAC-Pack‑generiertes Modell eine Genauigkeit von 63,84 %. Nach der Synthese auf einer Xilinx Virtex UltraScale+ VU13P FPGA zeigte das Modell die gleiche Genauigkeit wie herkömmliche Modelle, die mit Proxy‑Metriken wie Bit‑Operationen optimiert wurden, und verbrauchte dabei vergleichbare FPGA‑Ressourcen.

Das Paket demonstriert damit das Potenzial von hardware‑bewusster neuronaler Architektur­suche für ressourcenbeschränkte Anwendungen. Es wird als Open‑Source‑Framework bereitgestellt, um die Entwicklung effizienter FPGA‑beschleunigter Modelle zu automatisieren und zu beschleunigen.