该计划旨在通过自动化具有SWaP，延迟和对未来RTML功能的适应性要求的超专业ASIC的设计来缩短ML创新周期。如果在过去的几十年中没有取得重大的计算进步，那么当前一代的机器学习(ML)系统将是不可能的。图形处理单元(GPU)的开发对于ML的发展至关重要，因为它提供了ML系统处理和训练大型数据集所需的新级别的计算能力。

随着人工智能领域朝着超越当今机器学习功能的方向发展，实时进入“学习”领域，需要新的计算水平。高度专用的专用集成电路(ASIC)在满足高级ML应用(例如自治系统和5G)的物理尺寸，重量和功率(SWaP)要求方面显示出了希望。但是，设计和实施的高昂成本使得针对ML专用ASIC的开发几乎无法实现，但批量应用除外。

“计算中的一个关键挑战是创建处理器，这些处理器可以实时主动地解释和学习数据，运用先前的知识来解决不熟悉的问题，并利用人脑的能源效率进行操作，”程序Andreas Olofsson说DARPA的微系统技术办公室(MTO)的经理。低SWaP，低延迟和适应性的竞争挑战要求开发专门用于实时机器学习的新颖算法和电路。现在需要的是快速开发高能效的硬件和ML架构，这些架构可以实时从连续的新数据流中学习。”

DARPA的实时机器学习(RTML)计划旨在通过开发一种基于ML框架自动生成新颖芯片设计的方法，来降低与开发针对新兴ML应用量身定制的ASIC相关的设计成本。RTML程序的目标是创建一个编译器或软件平台，该编译器或软件平台可以接收TensorFlow和Pytorch之类的ML框架，并根据特定ML算法或系统的目标，生成针对该ML优化的硬件设计配置和标准Verilog代码。具体需求。在程序的整个生命周期中，RTML将在两个关键的高带宽应用领域(5G网络和图像处理)中探索编译器的功能。

“机器学习专家精通算法开发，但几乎没有芯片设计知识。相反，芯片设计人员没有掌握设计ML专用ASIC所需的专业知识。RTML试图合并这些独特的专业知识领域，从而使设计超专业ASIC的过程更加高效和具有成本效益。” Olofsson说道。

基于应用空间的预期敏捷性和效率，RTML编译器为原型设计和测试需要新颖芯片设计的基本ML研究思想提供了理想的平台。因此，DARPA计划与科学基金会(NSF)合作进行这项工作。NSF正在推行自己的“实时机器学习”计划，重点是开发新颖的ML范例和体系结构，以支持实时推理和快速学习。

在DARPA RTML计划的第一阶段之后，该机构计划将其编译器提供给NSF研究人员，以提供一个评估他们提出的ML算法和体系结构的平台。在该计划的第二阶段，DARPA研究人员将有机会使用NSF生成的结果评估编译器的性能和功能。DARPA-NSF合作关系的总体期望是为RTML算法和硬件的下一代协同设计奠定基础。

NSF计算机与信息科学与工程负责人Jim Kurose说：“我们很高兴与DARPA合作，为研究团队提供资金，以应对实时学习，预测和自动化决策方面的新挑战。” “这项合作与AI计划保持一致，对于维持在技术和创新方面的领先地位至关重要。它将为可持续能源和水系统，医疗保健物流和交付以及先进制造领域的进步做出贡献。”

RTML是DARPA的电子复兴计划(ERI)第二阶段的一部分-这项为期五年，超过15亿美元的投资，用于未来国内，政府和国防电子系统。作为ERI第二阶段的一部分，DARPA正在支持国内制造方案，并能够开发满足不同需求的差异化能力。RTML通过创建一种快速，经济高效地生成新颖的芯片设计来支持新兴的ML应用的方法，来帮助完成这一任务。

有兴趣的提案人将有机会在提案日中了解更多有关RTML计划的信息，该日将于东部时间2019年4月2日(星期二)在弗吉尼亚州22203阿灵顿市北兰道夫街675号举行，时间为东部夏令时间。有关事件和注册的更多信息，请参见此处。

有关RTML计划的其他详细信息，请参见发布于fbo.gov的广泛代理机构公告。