Appareils de pointe modernes, comme les caméras, drones, et nœuds Internet des objets,
s'appuyer sur l'apprentissage profond pour permettre un large éventail d'applications intelligentes,
y compris la reconnaissance d'objets, perception de l'environnement, et autonome
navigation. Cependant, déployer des modèles d'apprentissage profond directement sur le terrain
les appareils périphériques aux ressources limitées nécessitent des empreintes mémoire importantes et
puissance de calcul pour l'inférence en temps réel à l'aide de l'informatique numérique traditionnelle
architectes. Dans ce document, we present WISE, une nouvelle architecture informatique
pour les réseaux de périphérie sans fil conçus pour surmonter les contraintes énergétiques en profondeur
apprentissage de l'inférence. WISE atteint cet objectif grâce à deux innovations clés:
accès au modèle désagrégé via la diffusion sans fil et le calcul physique
de multiplications matrice-vecteur à valeurs complexes générales directement à la radio
fréquence. Utilisation d'une plate-forme radio définie par logiciel avec diffusion sans fil
modèle de poids en vol, nous démontrons que WISE réalise 95.7% image
précision de classification avec une puissance de fonctionnement ultra-faible de 6.0 fJ/MAC par
client, correspondant à une efficacité de calcul de 165.8 HAUTS/W. Ce
Cette approche permet une inférence d'apprentissage profond économe en énergie sans fil
appareils de périphérie connectés, obtenir une amélioration de plus de deux ordres de grandeur
en efficacité par rapport à l'informatique numérique traditionnelle.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: