Arvutisüsteemide instituudi doktorant Natalia Cherezova kaitseb 4. detsembril 2026. a. algusega kell 10:00 oma doktoritööd "Cross-Layer Reliability Evaluation and Fault Tolerance for Deep Neural Network Hardware Accelerators" ("Süvanärvivõrkude riistvarakiirendite kihtidevaheline töökindluse hindamine ja veakindlus"). Kaitsmine toimub Tallinna Tehnikaülikooli infotehnoloogia maja ruumis ICT-507AB (Akadeemia tee 15a) ning on jälgitav veebirakenduse MS Teams vahendusel.
Viimaseid aastaid on iseloomustanud masinõppe (ML) algoritmide, eelkõige süvanärvivõrkude (DNN), kasutuselevõtu hüppeline kasv ning nende rakendamine missiooni- ja ohutuskriitilistes valdkondades, nagu autotööstus, lennundus ja kosmosetehnika. DNN mudelite arvutuslik keerukus tingib vajaduse spetsiaalsete riistvarakiirendite järele. Kuna riistvarakiirendites kasutatav nanoelektroonika on aga vastuvõtlik kiirgusest ja vananemisest põhjustatud riketele, muutub nende töökindlus äärmiselt oluliseks. Pidev tehnoloogia mõõtkava vähenemine ja räni tiheduse kasv muudavad need kiirendid riketele veelgi vastuvõtlikumaks. Tänapäeva nanoelektroonikaseadmete suure integratsioonitiheduse tõttu kasvab süsteemi veamäär kiiresti, kuna see on võrdeline transistoride arvuga.
Doktoritöö eesmärk on välja töötada uued meetodid tänapäevaste riistvaraplatvormide, eelkõige DNN-kiirendite töökindluse hindamiseks ja veakindluse suurendamiseks. Põhilised väljakutsed on tänapäevaste riistvara-arhitektuuride ja DNN-mudelite keerukus.
Tänapäevaste kiirendiplatvormide tõhus töökindluslahendus peaks olema kohandatud missiooniprofiili ja töötingimustega.See peaks arvestama kasutatavate riistvaraplatvormide ja rakenduse keerukusega. Selleks et rahuldada vajadus kulutõhusa töökindluslahenduse järele, esitatakse doktoritöös DNN-i järeldamiseks mõeldud veakindel ümberkonfigureeritav süstoolne massiiv FORTALESA. FORTALESA toetab kolme täitmisrežiimi, mis võimaldavad tõhusat kompromissi töökindluse ja jõudluse vahel. Pakutud arhitektuuri kasutatakse DNN-i järeldamise töökindluse suurendamiseks süstoolsel massiivil, kaardistades võrgu kihid heterogeenselt erinevatele täitmisrežiimidele. Lõpetuseks, töökindluse tagamiseks üksikmooduli tasandil, esitatakse doktoritöös DNN-kiirendite jaoks kohandatud kohanduv veakindel ligikaudne korrutaja AdAM. AdAM tugineb sisendite juhtiva ühebiti (leading-one) positsiooni ebatraditsioonilisele kasutamisele rikete parandamiseks, optimeerides kasutamata ressursse ja võimaldades seeläbi täpsete korrutajatega võrreldes negatiivse lisakuluga veakindlust. See saavutab töökindluse taseme, mis on lähedane kolmekordse moodulliiasusega (TMR) kaitstud korrutajatele, vajades samas vähem pindala ja võimsust kui kaitsmata täpne korrutaja.
Doktoritöö on avaldatud Tehnikaülikooli raamatukogu digikogus
Juhendajad: kaasprofessor tenuuris Maksim Jenihhin ning teadur Artur Jutman (TalTech)
Oponendid:
- professor Stefano di Carlo (Torino Polütehniline Ülikool, Itaalia)
- professor Dimitris Gizopoulos (Ateena Ülikool, Kreeka)