الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الحاسوب النظرية · arXiv · 2026-10-21

LEAF: انتباه فعّال مراعٍ لجداول البحث (LUT) على FPGAs

العنوان الأصلي: LEAF: LUT-aware Efficient Attention on FPGAs

من الصعب نشر المحولات (transformers) على شرائح FPGA بحيث تكون دقيقة ومدمجة وسريعة بما يكفي لأنظمة الزمن الحقيقي دون الميكروثانية مثل تلك المستخدمة في CERN، لأن آلية الانتباه التي تمنح هذه النماذج قوة تعبيرها مكلفة التنفيذ في العتاد. يحوّل LEAF إسقاطات الاستعلام والمفتاح والقيمة وطبقة التغذية الأمامية للمخرجات إلى طبقات أصلية في FPGA من خلال تدريب مراعٍ لـ LUT، بتحويل عمليات ضرب المصفوفة-المتجه الثابتة في كتلة الانتباه إلى جداول. وعلى معيار قياسي لـ jet tagging يحسّن الدقة بمقدار 1.8 نقطة مئوية مع استخدام أعداد LUT أقل بمقدار 2.9 مرة من أفضل التقنيات السابقة في نطاق دون الميكروثانية، بينما يحقق linformer الأكثر كفاءة لديه دقة تصنيف قدرها 80.4% عند 28k LUT و35ns مع 64 جسيماً إدخالياً.

اقرأ المصدر الأصلي ↗

جميع العناصر →