| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-02-17 10:10 FPGA実装したBinarized Neural Networksにおける故障注入実験および推論精度の定量的評価 ○紙田佳祐・甲斐 博・王 森レイ・高橋 寛（愛媛大）  DC2025-113 |
|
| 抄録 | （和） | IoTデバイスの急増に伴い，エッジAIの社会実装が進展している．エッジ環境はリソース制約が厳しく，パラメータを極限まで削減するするBinarized Neural Networks（BNN）のFPGA実装が有効とされる．しかし，極端に量子化されたモデルは論理故障に対する感度が高いという懸念があり，信頼性確保が課題である．そこで本研究では，論理故障が推論性能に与える影響を定量的に評価する．具体的には，FINNフレームワークを用いてZCU102評価ボード上にBNNを構築し，データパスへのビット反転故障注入実験を行った．本稿では，実機実験により得られた推論精度低下の挙動に基づき，FPGA実装されたBNNの耐故障性について議論する． |
| （英） | The rapid proliferation of IoT devices has accelerated the deployment of Edge AI. Given the severe resource constraints in edge environments, FPGA implementations of Binarized Neural Networks (BNNs), which drastically reduce model parameters, are considered a promising solution. However, concerns remain that such aggressively quantized models may be highly sensitive to logic faults, making reliability assurance a critical challenge. To address this issue, this study quantitatively evaluates the impact of logic faults on inference performance. Specifically, we implemented a BNN on a ZCU102 evaluation board using the FINN framework and conducted bit-flip fault injection experiments on the data path. Based on the accuracy degradation behavior observed in real-hardware experiments, this paper discusses the fault tolerance of FPGA-based BNNs. | |
| キーワード | （和） | AI / FPGA / 故障注入 / 信頼性評価 / エッジAI / / / |
| （英） | AI / FPGA / Fault Injection / Reliability / Edge AI / / / | |
| 文献情報 | 信学技報, vol. 125, no. 352, DC2025-113, pp. 13-18, 2026年2月. | |
| 資料番号 | DC2025-113 | |
| 発行日 | 2026-02-10 (DC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | DC2025-113 |
|
| 研究会情報 | |
| 研究会 | DC |
| 開催期間 | 2026-02-17 - 2026-02-17 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | VLSI設計とテストおよび一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | DC |
| 会議コード | 2026-02-DC |
| 本文の言語 | 日本語 |
| タイトル（和） | FPGA実装したBinarized Neural Networksにおける故障注入実験および推論精度の定量的評価 |
| サブタイトル（和） | |
| タイトル（英） | Quantitative Evaluation of Inference Accuracy in FPGA-Implemented Binarized Neural Networks via Fault Injection Experiments |
| サブタイトル（英） | |
| キーワード(1)（和/英） | AI / AI |
| キーワード(2)（和/英） | FPGA / FPGA |
| キーワード(3)（和/英） | 故障注入 / Fault Injection |
| キーワード(4)（和/英） | 信頼性評価 / Reliability |
| キーワード(5)（和/英） | エッジAI / Edge AI |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 紙田 佳祐 / Keisuke Kamita / カミタ ケイスケ |
| 第1著者 所属（和/英） | 愛媛大学 (略称： 愛媛大) Ehime Unibersity (略称： Ehime Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 甲斐 博 / Hiroshi Kai / カイ ヒロシ |
| 第2著者 所属（和/英） | 愛媛大学 (略称： 愛媛大) Ehime Unibersity (略称： Ehime Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 王 森レイ / Wang Senling / オウ シンレイ |
| 第3著者 所属（和/英） | 愛媛大学 (略称： 愛媛大) Ehime Unibersity (略称： Ehime Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 高橋 寛 / Hiroshi Takahashi / タカハシ ヒロシ |
| 第4著者 所属（和/英） | 愛媛大学 (略称： 愛媛大) Ehime Unibersity (略称： Ehime Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-02-17 10:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | DC |
| 資料番号 | DC2025-113 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.352 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2026-02-10 (DC) |
[研究会発表申込システムのトップページに戻る]