Uporabniki smo navajeni na natančno računanje in natančne računalnike, vse naše implementirane programe testiramo na natančnost, programi morajo biti natančni in algoritmi morajo izračunati natančne rezultate. Vendar pa za mnoge resnične probleme zadostuje približna rešitev. Pravzaprav je veliko zanimivih problemov, ki jih rešujemo z računalniki, in ki potrebujejo le približne odgovore (npr. klasifikacija pri strojnem učenju). Doseganje nepomembne natančnosti v takih primerih povzroča prekomerno porabo energije za opravljanje natančnih izračunov, ki so na koncu neuporabljeni. Na primer, nekaj nepravilnih slikovnih pikslov v videoposnetku verjetno uporabnik ne bo opazil. Prav tako pri strojnem učenju dopuščamo določeno nenatančnost pri računanju, vse dokler je odgovor sistema "dovolj dober". Približno računanje tvori radikalen premik paradigme pri načrtovanju in delovanju energetsko učinkovitih sistemov in temelji na ideji, da zmanjšamo učinkovitost računalniških sistemov s tem, da od njih ne zahtevamo visoke natančnosti. Zanimivo je, da so natančni odgovori in rezultati povsem nepotrebni na številnih področjih uporabe, kot so digitalno procesiranje signalov, računalniški vid in strojno učenje. V takšnih aplikacijah, ki so zaradi uporabe adaptivnih algoritmov dokaj neobčutljive na napako, približno računanje agresivno zmanjšuje disipacijo moči s sproščanjem zahteve po natančnih izračunih. Število pametnih naprav, ki so povezane v omrežje je v zadnjih nekaj letih eksponentno naraslo in že presega svetovno prebivalstvo. Te naprave večino svojega časa porabijo za zbiranje podatkov iz svojega fizikalnega okolja. Ti podatki pa vsebujejo šum zaradi analogno digitalne konverzije, zaradi šuma v okolju ali pa zaradi kvantizacije. Ravnanje s takimi podatki z enako natančnostjo, kot jo zahtevamo pri ravnanju z gesli in bančnimi računi bi bilo potratno. Približno računanje tako uvaja bistveno nove raziskovalne poti. Pri približnem računanju žrtvujemo natančnost za doseganje večje energetske učinkovitosti. Pri načrtovanju strojne opreme se približno računanje uvaja predvsem v aritmetična vezja, kot so seštevalniki in množilniki. Zaradi veliko večje strojne kompleksnosti množilnikov, se z uvajanjem aproksimacije pri računanju produkta znatno izboljša učinkovitost vezij v smislu porabe prostora na čipu, zakasnitev in zahtevane moči. Zato se v zadnjih letih opaža izjemno povečana raziskovalna dejavnost na področju implementacije približnih množilnikov. CILJI PROJEKTA IN PRIČAKOVANI REZULTATI V predlaganem projektu bomo poskušali raziskati in odgovoriti na naslednja vprašanja: Kako zajemati senzorske podatke ob prisotnosti pogostih izgub napajanja? Kako načrtovati cenejše približne množilnike v čipu in ohranjati zadovoljivo natančnost? Kako načrtovati množilnike s spremenljivo natančnostjo za uporabo v strojnih pospeševalnikih za strojno učenje? Kako se najsodobnejši algoritmi za obdelavo slik in računalniškega vida prilagajajo napaki, ki jo uvaja približno računanje? Pričakovani rezultati so: 1. raziskali bomo trenutno najsodobnejše pristope za načrtovanje množilnikov; 2. uvedli bomo novo, učinkovito in preprosto metodo za implementacijo približnih množilnikov, ki temelji na hibridni strategiji; 3. pričakujemo, da bo predlagani množilnik dosegal boljše rezultate v primerjavi z najsodobnejšimi približnimi množilniki v smislu porabe prosotra na čipu in energetske učinkovitosti ter natančnosti; 4.Opričakujemo, da bomo dosegli do 30-40% zmanjšanje površine in do 50% zmanjšanje porabe energije z zanemarljivo računsko napako. Komplementarnost skupin: 1. Raziskovalci Univerze v Ljubljani imajo bogate raziskovalne izkušnje s senzornimi omrežji, vgrajenimi sistemi, strojno implementacijo algoritmov v FPGA, približno računalniško aritmetiko in heterogenimi računalniškimi sistemi (CPU / GPU / FPGA). 2. Raziskovalci na Univerzi v Banja Luki imajo bogate izkušnje na področju digitalnege obdelave signalov in obdelave slik, senzorskih omrežij in strojnega učenja. Obe raziskovalni skupini sta dosedaj izjemno uspešno sodelovali na področju računalniške aritmetike, približnega računanja, klasifikacije slik in senzorskih omrežjih. Na teh področjih imata skupini kar nekaj odmevnih objav. Načrtovani prispevki raziskovalcev iz SLO: Raziskovalna skupina s FRI bo sodelovala pri načrtovanju energetsko učinkovitih množilnikih algoritmov v vezjih CMOS. Ta skupina bo skrbno analizirala porabo moči in virov v čipu ter predlagala najbolj učinkovito aritmetiko v smislu prostorske in energetske učinkovitosti. Načrtovani prispevki raziskovalcev iz BiH: Raziskovalci iz Laboratorija za obdelavo digitalnih signalov, ETF, Banja Luka, bodo preučili najsodobnejše algoritme za obdelavo slik in algoritme računalniškega vida ter opredelili možne kandidate, v katerih bo uporabljeno približno računanje. Ocenili bodo tudi vpliv napake, ki jo povzroča uporaba približne aritmetike.