← नवीनतम पेपर
🤖 AI

A Reconfigurable Multiplier Architecture for Error-Resilient Applications in RISC-V Core

यह शोध पत्र एक RISC-V कोर में एकीकृत एक रनटाइम पुनर्गठनीय (reconfigurable) मल्टीप्लायर आर्किटेक्चर प्रस्तुत करता है जो न्यूरल नेटवर्क इन्फरेंस के लिए सूक्ष्म-स्तरीय ऊर्जा-सटीकता ट्रेड-ऑफ को सक्षम बनाता है, जिससे उच्च कम्प्यूटेशनल प्रदर्शन बनाए रखते हुए सटीक और अनुमानित (approximate) दोनों मोड में महत्वपूर्ण शक्ति और ऊर्जा की कमी प्राप्त होती है।

मूल लेखक: Pragun Jaswal, L. Hemanth Krishna, B. Srinivasu

प्रकाशित 2026-05-12
📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

मूल लेखक: Pragun Jaswal, L. Hemanth Krishna, B. Srinivasu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक व्यस्त रसोई (एक कंप्यूटर प्रोसेसर) चला रहे हैं जिसे हर सेकंड हजारों जटिल रेसिपी (न्यूरल नेटवर्क) तैयार करने की आवश्यकता है। सबसे अधिक समय लेने वाला और ऊर्जा खर्च करने वाला हिस्सा खाना बनाना है—विशेष रूप से, संख्याओं को आपस में गुणा करना।

एक पारंपरिक रसोई में, शेफ एक पूर्णतावादी (perfectionist) होता है। वे हर सामग्री को बिल्कुल सटीक मिलीग्राम तक मापते हैं और हर चरण की गणना पूर्ण सटीकता के साथ करते हैं। हालांकि यह सुनिश्चित करता है कि व्यंजन उत्तम हो, लेकिन इसमें बहुत अधिक समय लगता है और बहुत अधिक ईंधन (ऊर्जा) जलता है।

समस्या:
IIT मंडी के शोधकर्ताओं ने देखा कि कई आधुनिक "रेसिपी" (जैसे इमेज रिकग्निशन या AI) के लिए, भोजन का वास्तव में पूरी तरह से सटीक होने की आवश्यकता नहीं है। यदि माप में थोड़ी बहुत चूक हो जाए, तो ग्राहक (AI एप्लिकेशन) आमतौर पर इस पर ध्यान नहीं देता है। हालांकि, शेफ सटीक होने के प्रयास में बहुत अधिक ईंधन जला रहा है।

समाधान: "स्मार्ट" मल्टीप्लायर
टीम ने एक नया प्रकार का रसोई उपकरण बनाया है जिसे रीकॉन्फ़िगर करने योग्य मल्टीप्लायर (Reconfigurable Multiplier) कहा जाता है। इसे एक "स्मार्ट शेफ असिस्टेंट" के रूप में समझें जो काम के आधार पर तुरंत अपना व्यक्तित्व बदल सकता है।

  1. एक ही टूल में दो मोड:

    • परफेक्शनिस्ट मोड (सटीक): जब कोई रेसिपी पूर्ण सटीकता की मांग करती है, तो टूल एक पारंपरिक शेफ की तरह कार्य करता है, जो सब कुछ पूरी तरह से गणना करता है।
    • "काफी अच्छा" मोड (अनुमानित): जब रेसिपी थोड़ी बहुत त्रुटि सहन कर सकती है (जैसे नमक की मात्रा का अनुमान लगाना), तो टूल एक तेज़, अधिक सहज मोड में स्विच हो जाता है। यह ईंधन बचाने के लिए कुछ थकाऊ और ऊर्जा-खर्च करने वाले चरणों को छोड़ देता है।
  2. रिमोट कंट्रोल (The mulcsr):
    इस डिज़ाइन की खासियत यह है कि यह एक ही मोड में फंसा हुआ नहीं है। कंप्यूटर के पास एक विशेष "रिमोट कंट्रोल" (एक रजिस्टर जिसे mulcsr कहा जाता है) है जिसका उपयोग सॉफ्टवेयर आवश्यक सटीकता के स्तर को सेट करने के लिए कर सकता है।

    • इसे लाइट के डिमर स्विच की तरह समझें। आप सटीकता को पूरी तरह से ऊपर (100% परफेक्ट) ले जा सकते हैं या इसे 255 अलग-अलग "काफी अच्छा" स्तरों तक कम कर सकते हैं।
    • कंप्यूटर प्रोग्राम चलते समय बिना रुके या हार्डवेयर बदले, तुरंत इन सेटिंग्स के बीच स्विच कर सकता है।
  3. यह अंदर से कैसे काम करता है:
    इसे स्विच करने योग्य बनाने के लिए, इंजीनियरों ने इस टूल को छोटे, मॉड्यूलर ब्लॉक्स (जिन्हें कंप्रेसर कहा जाता है) से बनाया है।

    • उन्होंने दो प्रकार के ये ब्लॉक्स डिज़ाइन किए: एक जो बहुत सावधान है लेकिन थोड़ा जटिल है, और दूसरा जो सरल और तेज़ है लेकिन इसमें कुछ "शॉर्टकट" लिए गए हैं।
    • रिमोट कंट्रोल के सिग्नल के आधार पर इन ब्लॉक्स को मिलाने और जोड़ने के माध्यम से, उन्होंने एक 32-बिट मल्टीप्लायर बनाया जो भारी-भरक गणित से लेकर त्वरित, ऊर्जा-बचत अनुमान तक सब कुछ संभाल सकता है।

परिणाम: गति खोए बिना ऊर्जा की बचत
जब उन्होंने एक मानक प्रोसेसर (RISC-V कोर, जो छोटे उपकरणों के लिए एक लोकप्रिय, ओपन-सोर्स इंजन की तरह है) में इस नए टूल का परीक्षण किया:

  • ऊर्जा की बचत: "काफी अच्छा" मोड में चलने पर, इस टूल ने पारंपरिक सटीक टूल की तुलना में 62% से 68% कम बिजली का उपयोग किया। "परफेक्ट" मोड में भी, यह 44% से 52% अधिक कुशल था क्योंकि इसका डिज़ाइन स्वयं सुव्यवस्थित था।
  • गति: इसने इसकी गति को धीमा नहीं किया। प्रोसेसर उसी गति (1.89 DMIPS/MHz) पर चलता रहा।
  • वास्तविक दुनिया के परीक्षण: उन्होंने इसे "मैट्रिक्स मल्टीप्लिकेशन" (AI के पीछे का गणित) और "2D कन्वोल्यूशन" (इमेज प्रोसेसिंग के पीछे का गणित) जैसे कार्यों पर परखा। इन परीक्षणों में, नए टूल ने प्रोग्राम चलाने के लिए आवश्यक कुल ऊर्जा में से 63% तक की बचत की।

निष्कर्ष
यह पेपर छोटे, बैटरी से चलने वाले उपकरणों (जैसे स्मार्ट कैमरा या सेंसर) के लिए एक हार्डवेयर अपग्रेड प्रस्तुत करता है। यह पुराने, कठोर "परफेक्ट मैथ" कैलकुलेटर को एक लचीले, ऊर्जा-बचत करने वाले कैलकुलेटर से बदल देता है जो जानता है कि कब सटीक होना है और कब शॉर्टकट लेना है। परिणाम स्वरूप, एक ऐसा प्रोसेसर मिलता है जो जटिल AI कार्यों को एकल बैटरी चार्ज पर बहुत लंबे समय तक चला सकता है, बिना उपयोगकर्ता को गुणवत्ता में किसी गिरावट का पता चले।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →