エッジAI向けNASと量子化：ハードウェア最適化の新たな道

エッジAIの普及には、高精度かつ高効率なニューラルネットワークが不可欠です。しかし、既存のNAS（ニューラルアーキテクチャ探索）では、量子化とハードウェア最適化を同時に考慮すると複雑性が増す課題がありました。本研究は、学習後の量子化（PTQ）がNASで発見された最適解（パレート空間）に与える影響を詳細に分析し、ハードウェアアクセラレータへのマッピングを統合した三段階パイプラインを提案。FP32の代理モデルがINT4専用モデルよりも優れた結果を示すなど、エッジAI開発の新たな指針を示しています。