Diseño de sistema de clasificacion de imagenes basado en computacion hiperdimensional y en emuladores digitales de memristors

Abstract

La realización de los cálculos exhaustivos, utilizados en los sistemas que implementan algoritmos de inteligencia artificial, continuamente requieren de una creciente cantidad de energía. A su vez, debido a limitaciones físicas, se hace imposible disminuir aún más el tamaño de los transistores, aquel elemento electrónico que ha permitido grandes avances desde hace décadas. Es por ello que, en la última década, ha surgido la necesidad de soluciones alternativas, diseñar circuitos integrados y sistemas electrónicos especializados. Bajo este escenario, la utilización de tecnologías emergentes, dispositivos y sistemas, son cada vez más atractivas. En ellas se busca principalmente la disminución del consumo energético y el uso de área en los circuitos integrados. En esta dirección, en esta Tesis se propone el diseño de un sistema digital para la clasificación de imágenes, cuya arquitectura se basa en el paradigma de computación hiperdimensional. El sistema emplea conceptos de memoria asociativa utilizando emuladores digitales de dispositivos de conmutación resistiva (dispositivos memristivos, también conocidos como memristors). Dentro de los principales desafíos se encuentran el uso de recursos de memoria inherentes al paradigma, además de los tiempos de entrenamiento y de predicción relacionados al módulo de memoria asociativa. En la actualidad, se han utilizado memristors en arquitecturas basadas en computación hiperdimensional, pero su uso se ha centrado principalmente en la implementacion de módulos encoders usando arreglos de barras cruzadas (crossbar). A diferencia de estas estrategias, aquí se busca explorar el impacto que puede tener al rendimiento del sistema la introducción de memorias asociativas o content-addressable memories, basadas en dispositivos memristivos, en comparacion con soluciones sin memristors para tareas de clasificación de imágenes. El trabajo realizado contempla la simulación del sistema emulado en MATLAB, buscando las tendencias esperadas en el hardware, donde se evalúa el desempeño mediante métricas típicas de la clasificación de imágenes tales como la accuracy, además de métricas asociadas a algoritmos implementados y procesos del sistema, como el tiempo de ejecución de la memoria asociativa. Bajo estas métricas, se realiza la comparación entre la arquitectura propuesta y el estado del arte, buscando posteriormente una explicación a los resultados obtenidos. Las principales contribuciones de esta Tesis son: la implementación de un perceptron basado en emuladores de dispositivos de conmutación resistiva dentro del paradigma de la computación hiperdimensional, utilizado como una memoria asociativa alternativa; la exploración de diferentes configuraciones y variaciones en el modelo del memristor para extrapolar el análisis a una potencial implementación en hardware digital; además, se realizan comparaciones entre la memoria asociativa propuesta y alternativas como la red neuronal de Hopfield. Esta comparación abre discusiones a cual escoger, llegando a la conclusión que depende de los recursos disponibles y requerimientos de los problemas. Por otro lado, tambien se realiza un aporte a la comunidad científica a través de la publicación de un artículo científico, en la revista indexada International Journal of Unconventional Computing (IJUC), bajo el titulo “Design and Simulation of a Hyperdimensional Computing System with Memristive Associative Memory for Image Classification”