트랜스포머 AI를 FPGA에서 실행한 최근 연구들을 모아, 구현 방식과 장단점을 정리한 논문이다.
트랜스포머 AI를 FPGA에서 실행한 최근 연구들을 모아, 구현 방식과 장단점을 정리한 논문이다. 무엇이 문제였나 — 트랜스포머는 문장이나 이미지에서 중요한 관계를 찾는 AI 구조지만, 계산량과 메모리 요구가 크다. 어떻게 풀었나 — FPGA는 목적에 맞춰 회로를 구성할 수 있는 칩이며, 연구자들은 저장 방식과 숫자 정밀도, 계산 순서를 조정해 추론을 빠르게 하려 한다. 그래서 뭐가 좋아졌나 — 이 논문은 연구 57편을 분류하고 결과를 살펴보며, 연구마다 시험 조건이 달라 공정한 비교가 어렵다고 지적한다. ...
![RecipeNet 전체 구조: field-level tokenization → Step Fusion Encoder([STEP-CLS]) → Recipe-Level Sequence Encoder([RECIPE-CLS]) → prediction head의 3단 계층 파이프라인.](https://techllm.github.io/images/recipenet-a-hierarchical-transformer-for-recipe-data/_page_1_Diagram_3.jpeg)