Powering and evaluating deep learning-based systems using green energy

Abstract

În ultimii ani, progresele din domeniul inteligenței artificiale, în special în ceea ce privește algoritmii de învățare profundă, au crescut într-un ritm rapid și vor continua această tendință pentru anii următori. De la implementări hardware până la software, pentru a integra acești algoritmi inspirați de creier în fiecare aspect al vieții noastre, studii de cercetare active sunt realizate în diferite industrii. Cu toate acestea, datorită faptului că acești algoritmi necesită o cantitate mare de timp, energie, date și putere de procesare, impactul lor asupra mediului este o problemă definitorie. Pentru a rezolva această problemă, în prezenta teză de doctorat construim și testăm la nivel software și hardware un tracker solar cu două axe pe care îl folosim ca sursă autonomă de energie curată pentru un sistem de învățare profundă care clasifică imagini în timp real. Apoi, propunem patru metrici pentru evaluarea performanței modelelor și sistemelor de învățare profundă bazate nu numai pe precizia acestora, ci și pe consum de energie și cost, după care implementăm o aplicație care oferă posibilitatea oricărui utilizator de a folosi metricile propuse într-o interfață prietenoasă și rezolvă probleme legate de colectarea, curățarea și etichetarea datelor necesare pentru antrenarea modelelor de învățare profundă. În cele din urmă, am construit și un dispozitiv pentru testarea plăcilor de circuite imprimate, care este eficient în ceea ce privește precizia, timpul de testare, consumul de energie și costul, precum și am propus un set de tehnici pentru îmbunătățirea performanțelor de transfer a unei implementări hardware Secure Hash Algorithm-256.