Buchumschlag

RNM-TD3: N:M Semi-structured Sparse Reinforcement Learning From Scratch

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vrce, Isam, Kassler, Andreas, Aydos, Gökçe
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Hardware Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FPGA Co-Design for Efficient N:M Sparse and Quantized Model Inference
von: Hsieh, Fen-Yu, et al.
Veröffentlicht: (2025)

Progressive Gradient Flow for Robust N:M Sparsity Training in Transformers
von: Bambhaniya, Abhimanyu Rajeshkumar, et al.
Veröffentlicht: (2024)

Accelerating LLM Inference with Flexible N:M Sparsity via A Fully Digital Compute-in-Memory Accelerator
von: Ramachandran, Akshat, et al.
Veröffentlicht: (2025)

Less is More: Hop-Wise Graph Attention for Scalable and Generalizable Learning on Circuits
von: Deng, Chenhui, et al.
Veröffentlicht: (2024)

IR-Aware ECO Timing Optimization Using Reinforcement Learning
von: Jiang, Wenjing, et al.
Veröffentlicht: (2024)

RLPlanner: Reinforcement Learning based Floorplanning for Chiplets with Fast Thermal Analysis
von: Duan, Yuanyuan, et al.
Veröffentlicht: (2023)

Efficient In-Memory Acceleration of Sparse Block Diagonal LLMs
von: de Lima, João Paulo Cardoso, et al.
Veröffentlicht: (2025)

Periodic Online Testing for Sparse Systolic Tensor Arrays
von: Peltekis, Christodoulos, et al.
Veröffentlicht: (2025)

CuAsmRL: Optimizing GPU SASS Schedules via Deep Reinforcement Learning
von: He, Guoliang, et al.
Veröffentlicht: (2025)

Accelerating Sparse Graph Neural Networks with Tensor Core Optimization
von: Wu, Ka Wai
Veröffentlicht: (2024)

RTLSeek: Boosting the LLM-Based RTL Generation with Multi-Stage Diversity-Oriented Reinforcement Learning
von: Zhang, Xinyu, et al.
Veröffentlicht: (2026)

EvolveGen: Algorithmic Level Hardware Model Checking Benchmark Generation through Reinforcement Learning
von: Hu, Guangyu, et al.
Veröffentlicht: (2026)

iEEG Seizure Detection with a Sparse Hyperdimensional Computing Accelerator
von: Cuyckens, Stef, et al.
Veröffentlicht: (2025)

FLAASH: Flexible Accelerator Architecture for Sparse High-Order Tensor Contraction
von: Kulp, Gabriel, et al.
Veröffentlicht: (2024)

RL-MUL 2.0: Multiplier Design Optimization with Parallel Deep Reinforcement Learning and Space Reduction
von: Zuo, Dongsheng, et al.
Veröffentlicht: (2024)

Explainable Fuzzy Neural Network with Multi-Fidelity Reinforcement Learning for Micro-Architecture Design Space Exploration
von: Fan, Hanwei, et al.
Veröffentlicht: (2024)

ElfCore: A 28nm Neural Processor Enabling Dynamic Structured Sparse Training and Online Self-Supervised Learning with Activity-Dependent Weight Update
von: Su, Zhe, et al.
Veröffentlicht: (2025)

ESACT: An End-to-End Sparse Accelerator for Compute-Intensive Transformers via Local Similarity
von: Liu, Hongxiang, et al.
Veröffentlicht: (2025)

AP-DRL: A Synergistic Algorithm-Hardware Framework for Automatic Task Partitioning of Deep Reinforcement Learning on Versal ACAP
von: Li, Enlai, et al.
Veröffentlicht: (2026)

SafeCiM: Investigating Resilience of Hybrid Floating-Point Compute-in-Memory Deep Learning Accelerators
von: Bhattacharya, Swastik, et al.
Veröffentlicht: (2025)

Energy Efficient Software Hardware CoDesign for Machine Learning: From TinyML to Large Language Models
von: Vahdatpour, Mohammad Saleh, et al.
Veröffentlicht: (2026)

Schrödinger's FP: Dynamic Adaptation of Floating-Point Containers for Deep Learning Training
von: Nikolić, Miloš, et al.
Veröffentlicht: (2022)

Active Imitation Learning for Thermal- and Kernel-Aware LFM Inference on 3D S-NUCA Many-Cores
von: Shen, Yixian, et al.
Veröffentlicht: (2026)

Enabling Unstructured Sparse Acceleration on Structured Sparse Accelerators
von: Jeong, Geonhwa, et al.
Veröffentlicht: (2024)

NAS-Cap: Deep-Learning Driven 3-D Capacitance Extraction with Neural Architecture Search and Data Augmentation
von: Li, Haoyuan, et al.
Veröffentlicht: (2024)

M100: An Orchestrated Dataflow Architecture Powering General AI Computing
von: Xie, Yan, et al.
Veröffentlicht: (2026)

From LLM to Silicon: RL-Driven ASIC Architecture Exploration for On-Device AI Inference
von: Ganti, Ravindra, et al.
Veröffentlicht: (2026)

From Principles to Practice: A Systematic Study of LLM Serving on Multi-core NPUs
von: Zhu, Tianhao, et al.
Veröffentlicht: (2025)

From Physics to Surrogate Intelligence: A Unified Electro-Thermo-Optimization Framework for TSV Networks
von: Gharib, Mohamed, et al.
Veröffentlicht: (2026)

OpenACMv2: An Accuracy-Constrained Co-Optimization Framework for Approximate DCiM
von: Zhou, Yiqi, et al.
Veröffentlicht: (2026)

PACiM: A Sparsity-Centric Hybrid Compute-in-Memory Architecture via Probabilistic Approximation
von: Zhang, Wenlun, et al.
Veröffentlicht: (2024)

Clo-HDnn: A 4.66 TFLOPS/W and 3.78 TOPS/W Continual On-Device Learning Accelerator with Energy-efficient Hyperdimensional Computing via Progressive Search
von: Song, Chang Eun, et al.
Veröffentlicht: (2025)

Onboard Optimization and Learning: A Survey
von: Pavel, Monirul Islam, et al.
Veröffentlicht: (2025)

FuseFlow: A Fusion-Centric Compilation Framework for Sparse Deep Learning on Streaming Dataflow
von: Lacouture, Rubens, et al.
Veröffentlicht: (2025)

Learning Library Cell Representations in Vector Space
von: Liang, Rongjian, et al.
Veröffentlicht: (2025)

Retrieval-Guided Reinforcement Learning for Boolean Circuit Minimization
von: Chowdhury, Animesh Basak, et al.
Veröffentlicht: (2024)

H3DFact: Heterogeneous 3D Integrated CIM for Factorization with Holographic Perceptual Representations
von: Wan, Zishen, et al.
Veröffentlicht: (2024)

A Joint Learning Approach to Hardware Caching and Prefetching
von: Yuan, Samuel, et al.
Veröffentlicht: (2025)

Energy-Aware Deep Learning on Resource-Constrained Hardware
von: Millar, Josh, et al.
Veröffentlicht: (2025)

Accelerating Computer Architecture Simulation through Machine Learning
von: Ali, Wajid, et al.
Veröffentlicht: (2024)