Avaliação em software de um fluxo de síntese de alto nível com hls4ml para inferência de redes neurais quantizadas em FPGAs

Descrição

A crescente demanda por inferência de redes neurais com baixa latência e baixo consumo energético tem deslocado parte do processamento para a borda da rede, onde as FPGAs se destacam pela combinação de paralelismo, reconfigurabilidade e eficiência. A síntese de alto nível reduz a barreira de projeto ao traduzir descrições em linguagem de alto nível para hardware, e ferramentas como o hls4ml automatizam a conversão de modelos de aprendizado de máquina em implementações sintetizáveis. Este projeto propõe uma avaliação de caráter exploratório, conduzida inteiramente em software, por síntese e simulação e sem necessidade de placa física, do fluxo hls4ml seguido de síntese de alto nível, aplicado à inferência de redes neurais quantizadas. A investigação visa a exploração de diferente métodos, ao variar a precisão numérica e o grau de paralelismo; tamanhos distintos, ao considerar modelos de diferentes complexidades; e arquiteturas, ao contemplar diferentes topologias de rede e diferentes dispositivos FPGA como alvos de síntese. Para cada configuração serão coletados, a partir dos relatórios de síntese e da cossimulação C/RTL, os recursos de hardware (tabelas de busca, flip-flops, blocos DSP e memória interna), a latência e a vazão. Plataformas voltadas à aceleração de inteligência artificial, como a VCK 5000, são consideradas como referência e possível alvo futuro. A pesquisa é de custo zero e de baixo risco: utiliza software livre e licença acadêmica, dados públicos de benchmark e a infraestrutura computacional do centro, e não envolve seres humanos, animais nem dados pessoais. Esperam-se, ao final, um fluxo reprodutível de avaliação e curvas de compromisso entre acurácia, recursos e latência que subsidiem a escolha de métodos, tamanhos, arquiteturas e plataformas para a aceleração de inteligência artificial em hardware reconfigurável.