Краткое содержание

arXiv:2511.05053v1 Тип объявления: кросс Аннотация: Машинное обучение на основе нейронных сетей быстро развивается, однако высокая энергоёмкость процессов обучения и вывода остаётся серьёзной проблемой. Гиперпотоковое вычисление (HDC) предлагает лёгкую альтернативу, вдохновлённую мозгом человека, позволяющую высокую степень параллелизма, хотя часто страдает низкой точностью на сложных визуальных задачах. Для преодоления данного ограничения были предложены гибридные ускорители, объединяющие HDC и свёрточные нейронные сети (CNN), однако их применение ограничено плохой обобщаемостью и программируемостью. Появление открытых архитектур RISC-V создало новые возможности для проектирования специализированных графических процессоров. В отличие от традиционных проприетарных GPU, появляющиеся GPU на основе архитектуры RISC-V предоставляют гибкие программируемые платформы, подходящие для реализации нестандартных вычислительных моделей, таких как HDC. В данной работе мы проектируем и реализуем кастомизированные инструкции GPU, оптимизированные для операций гиперпотокового вычисления, обеспечивая эффективное выполнение гибридных рабочих нагрузок HDC–CNN. Экспери