Maskinlæring og partiell rekonfigurering

Dynamisk partiell rekonfigurering, der en del av FPGAen kan endre funksjon samtidig som andre deler av komponenten utfører rutineoppgaver, var mye omtalt for noen år siden, men ble i stor grad betraktet som en  akademisk øvelse.

Flere foredragsholdere og utstillere på FPGA Forum i Trondheim (15.-16. Februar) har imidlertid trukket teknologien frem igjen. Jan Anders Mathisen fra Avnet Silica (Xilinx) er en av dem som ønsker å gi partiell rekonfigurering et puff fremover.

– Det er ikke lenger snakk om ”eksotiske” design. Partiell rekonfigurering har mange fordeler. I tillegg har vi nå full støtte for denne metoden i utviklingsverktøyet Vivado, sier han.

Blant annet Kongsberg Defence Systems delte sine erfaringer med bruk av partiell rekonfigurering under konferansen.

Maskinlæring og nevrale nettverk er et annet gjennomgående tema. – FPGA er godt egnet for massiv parallellprosessering. Nå ser vi også fremveksten av en ”killer app” å bruke dette til – nemlig maskinlæring, sa Xilinx-guruen Liam Madden i sitt innledningsforedrag. Behovet for regnekraft i fremtidige applikasjoner innen for eksempel 5G og virtuell virkelighet kan drive dette. Nye fremskritt innen bygging av nevrale nettverk og ”dyp læring” er interessante aspekter i FPGA-verdenen.

– IoT, autonome systemer som selvkjørende biler osv. genererer enorme mengder data som skal brukes som beslutningsgrunnlag i ulike situasjoner. Datamengden er et problem i den grad at mest mulig må håndteres ”lokalt”, nærmest mulig sensorer osv., sier Nikolay Rognlien i Arrow (Altera/Intel PSG).

– Skal man løse ting med maskinlæring og nevrale nettverk, vil  markedene kreve at løsningene er skalerbare. FPGA har tradisjonelt hatt en plass i hele kjeden fra sensor via nettverk og gateway til sky- og serverløsninger, og tilbyr denne skalerbarheten, sier han.

Kognitive nevrale nettverk (CNN) vil komme, og Intel PSG har strategier for å møte utfordringene dette vil innebære, hevder Rognlien.

Mer om FPGA Forum 2017, maskinlæring, partiell rekonfigurering og programmerbare teknologier i Elektronikk nr 3 (Mars) 2017.