엣지에서의 에너지 효율적인 뉴로모픽 컴퓨팅은 혼합 신호 스파이킹 신경망(SNN) 하드웨어의 비이상적 동작을 포착하는 동시에 시스템 수준의 설계 공간 탐험을 지원하는 시뮬레이션 도구를 필요로 한다. 본 연구는 뉴런, 시냅스, 아키텍처 선택에 걸친 비교 분석을 가능하게 하는 혼합 신호 SNN용 오픈소스 하드웨어 인식 시뮬레이션 프레임워크를 제시한다. 이 프레임워크는 Leaky Integrate-and-Fire(LIF), Hodgkin-Huxley(HH), Axon-Hillock(AH)을 포함한 복수의 뉴런 모델과, 플로팅 게이트 트랜지스터 및 ReRAM 소자 기반의 비휘발성 아날로그 시냅스를 지원한다. 소자 수준 비선형성을 PyTorch 기반 학습 및 추론에 직접 통합함으로써, 이 도구는 이상화된 추상적 가중치 대신 물리적 시냅스 매개변수의 최적화를 가능하게 한다. 프레임워크는 N-MNIST, DVS Gesture, Spiking Heidelberg Digits(SHD)를 포함한 표준 뉴로모픽 벤치마크에서 평가된다. 각 모델-데이터셋 구성에 대해 분류 정확도와 함께 실리콘 면적, 전력 소모, 양자화 민감도와 같은 하드웨어 중심 지표를 보고한다. 이러한 기능들은 크로스 층(cross-layer) 설계 공간 탐험을 가능하게 하며, 정확도, 에너지 효율성, 면적, 하드웨어 충실도에 대한 애플리케이션별 제약 조건을 가장 잘 충족하는 뉴런-시냅스 구성을 식별하는 데 도움을 준다.
배합 설계, 원료 특성, 양생 조건, 성능 간의 정량적 관계를 확립하는 것은 시멘트질 재료, 특히 전구체 및 활성화제 화학 조성이 가변적인 알칼리 활성 재료에서 오랜 과제로 남아 있다. 본 연구에서는 3100건 이상의 압축강도 기록, 화학적으로 구별되는 155종의 고로 슬래그(GGBS), 그리고 전구체 화학 조성, 분말도, 반응성을 포함하는 24개의 속성으로 구성된 현재까지 가장 큰 문헌 기반 알칼리 활성 슬래그(AAS) 데이터셋을 구축하였다. 다수의 머신러닝(ML) 알고리즘을 점진적으로 풍부화된 특징 시나리오에 걸쳐 벤치마크하였으며, GGBS 조성, 분말도, 양생 조건, 공시체 형상을 통합하면 예측 성능이 향상됨을 입증하였다. 전구체 반응성의 물리적으로 해석 가능한 표현인 평균 금속 산화물 해리 에너지(AMODE)는 명시적 산화물 조성에 대한 간결한 대체 기술자를 제공하면서도 동등한 예측 성능을 가능하게 한다. 모델 해석을 통해 이질적인 데이터로부터 물리적으로 일관된 경향이 도출되었으며, 여기에는 Na2O 첨가량 및 실리케이트 모듈러스의 비단조적 효과, 높은 물 함량 및 큰 공시체 크기에서 예측된 강도 감소, 개별 산화물 함량보다 AMODE로 더 일관되게 표현되는 결합된 산화물 수준 효과 등이 포함된다. 통계적으로 제약된 설계 공간 탐험은 반응성에 따른 강도, 내재된 CO2 배출량, 비용 간의 트레이드오프를 드러낸다. 설계 지도는 유사한 비용에서 OPC 기반 기준보다 CO2 배출량이 현저히 낮은 고강도 영역을 식별한다. 전반적으로 본 연구는 반응성 기반 ML이 이질적인 AAS 데이터로부터 물리적으로 의미 있는 경향을 추출하고 공급원 의존적 결합재 설계를 안내하는 방법을 보여준다. 구축된 데이터셋은 시멘트 및 콘크리트 연구의 발전을 지원하기 위해 공개적으로 접근 가능하다.
트랜스포머 기반 네트워크는 최첨단 성능을 보이는 주요 AI 모델로 부상했으며, 이는 잠재적으로 범용 인공지능(AGI)으로 향하는 길을 열어줄 수 있다. 그러나 대규모 모델 크기는 여전히 효율적인 구현을 저해하므로, 에너지 효율적 가속을 위한 대안적 해결책의 필요성이 부각된다. 최근 최첨단 연구들은 기존 전자식 가속기 대비 상당한 속도 향상과 에너지 효율 개선을 제공하는 포토닉 트랜스포머 가속기(PTA)를 제안했다. 그러나 이러한 PTA 아키텍처는 응용 제약 조건(예: 면적, 전력, 에너지, 지연)을 고려하지 않고 개발되었다. 더욱이 수동 설계 접근법은 대상 응용에 적합한 아키텍처를 결정하는 데 막대한 설계 시간이 필요하여 이 접근법을 확장 가능하지 않게 만든다. 이러한 한계를 해결하기 위해, 우리는 모든 제약 조건을 충족하는 적절한 PTA 아키텍처의 효율적인 하드웨어/소프트웨어 공동 설계를 가능하게 하는 새로운 설계 공간 탐색 방법론인 DxPTA를 제안한다. 이는 (1) 코히어런트 광학 데이터플로우에 기반하여 PTA 아키텍처 매개변수를 식별하고, (2) 매개변수의 영향/중요도를 분석하며, (3) 이러한 분석을 활용하여 제약 조건 인식 아키텍처 탐색 알고리즘을 설계함으로써 달성된다. 실험 결과, DxPTA는 서로 다른 트랜스포머 기반 모델(즉, DeiT-T/S/B 및 BERT-B/L)에 대해 적절한 PTA 아키텍처를 찾을 수 있음을 보여준다. 이는 50mm^2 면적, 5W 전력, 50mJ 에너지, 10ms 지연의 제약 조건 하에서 최대 26mm^2 면적, 4.8W 전력, 39mJ 에너지, 6ms 지연을 달성하며, 전수 탐색 접근법 대비 15.2배 빠른 탐색 시간을 보인다. 이러한 결과는 다양한 AGI 기반 응용을 위한 효율적인 PTA 설계를 가능하게 하는 DxPTA 방법론의 잠재력을 보여준다.