การคำนวณโดยประมาณเป็นกระบวนทัศน์ใหม่ที่กำลังเกิดขึ้นสำหรับการออกแบบที่ประหยัดพลังงานและ/หรือมีประสิทธิภาพสูง^{[ 1 ]}ซึ่งรวมถึงเทคนิคการคำนวณมากมายที่ให้ผลลัพธ์ที่ไม่แม่นยำ แทนที่จะเป็นผลลัพธ์ที่แม่นยำอย่างแน่นอน และสามารถใช้สำหรับแอปพลิเคชันที่ผลลัพธ์โดยประมาณเพียงพอต่อวัตถุประสงค์^{[ 2 ]}ตัวอย่างหนึ่งของสถานการณ์ดังกล่าวคือเครื่องมือค้นหาที่อาจไม่มีคำตอบที่แน่นอนสำหรับคำค้นหาบางอย่าง ดังนั้นคำตอบหลายคำตอบจึงอาจยอมรับได้ ในทำนองเดียวกัน การที่เฟรมบางเฟรม หายไปเป็นครั้งคราว ในแอปพลิเคชันวิดีโออาจไม่ถูกตรวจพบเนื่องจากข้อจำกัดในการรับรู้ของมนุษย์ การคำนวณโดยประมาณนั้นขึ้นอยู่กับการสังเกตว่าในหลายสถานการณ์ แม้ว่าการคำนวณที่แม่นยำจะต้องการทรัพยากรจำนวนมาก แต่การอนุญาตให้มีการประมาณค่าแบบจำกัดสามารถให้ผลประโยชน์ที่ไม่สมดุลในด้านประสิทธิภาพและพลังงาน ในขณะที่ยังคงได้ความแม่นยำของผลลัพธ์ที่ยอมรับได้ ตัวอย่างเช่น ใน อัลกอริทึมการจัดกลุ่ม k -meansการอนุญาตให้สูญเสียความแม่นยำในการจำแนกประเภทเพียง 5% สามารถประหยัดพลังงานได้ถึง 50 เท่าเมื่อเทียบกับการจำแนกประเภทที่แม่นยำอย่างสมบูรณ์

ข้อกำหนดสำคัญในการคำนวณโดยประมาณคือ การประมาณค่าจะต้องนำมาใช้เฉพาะกับข้อมูลที่ไม่สำคัญเท่านั้น เนื่องจากหากประมาณค่าข้อมูลที่สำคัญ (เช่น การดำเนินการควบคุม) อาจนำไปสู่ผลเสียร้ายแรง เช่นโปรแกรมหยุดทำงานหรือผลลัพธ์ที่ไม่ถูกต้อง

สามารถใช้กลยุทธ์หลายอย่างในการคำนวณโดยประมาณได้

วงจรโดยประมาณ

วงจรคำนวณโดยประมาณ: ^{[ 3 ]}ตัวบวกโดยประมาณ[ ^{4 ] [ 5 ]}ตัวคูณโดยประมาณ^{[ 6 ]}และวงจรตรรกะ อื่นๆ สามารถลดภาระฮาร์ดแวร์ได้^{[ 7 ] [ 8 ] [ 9 ] ตัวอย่าง}เช่น ตัวบวกหลายบิตโดยประมาณสามารถละเว้นโซ่ตัวทด ได้ ดังนั้นจึงอนุญาตให้ตัวบวกย่อยทั้งหมดดำเนินการบวกแบบขนานได้^{[ 10 ] [ 11 ]}

ตัวเร่งฮาร์ดแวร์โดยประมาณ

พื้นที่จัดเก็บและหน่วยความจำโดยประมาณ

แทนที่จะจัดเก็บค่าข้อมูลอย่างแม่นยำ สามารถจัดเก็บโดยประมาณได้ เช่น โดยการตัดบิตล่างใน ข้อมูล จุดลอยตัวอีกวิธีหนึ่งคือการยอมรับหน่วยความจำที่มีความน่าเชื่อถือน้อยลง สำหรับเรื่องนี้ ในDRAM ^{[ 12 ]}และeDRAMสามารถลดหรือควบคุมการกำหนดอัตราการรีเฟรชได้^{[ 13 ]}ในSRAMสามารถลดแรงดันไฟฟ้าที่จ่ายได้^{[ 14 ]}หรือควบคุมได้^{[ 15 ]}การจัดเก็บโดยประมาณสามารถนำมาใช้เพื่อลดการใช้พลังงานในการเขียนที่สูงของ MRAM [ ^{16 ] โดย}ทั่วไป กลไก การตรวจจับและแก้ไขข้อผิดพลาด ใดๆ ควรถูกปิดใช้งาน

การประมาณค่าระดับซอฟต์แวร์

มีหลายวิธีในการประมาณค่าในระดับซอฟต์แวร์สามารถใช้การจดจำหรือการจดจำแบบคลุมเครือ (การใช้ฐานข้อมูลเวกเตอร์สำหรับการเรียกข้อมูลโดยประมาณจากแคชเช่น การแคชแบบคลุมเครือ) ได้ สามารถข้าม การวนซ้ำ บางส่วน ของลูปได้ (เรียกว่าการเจาะลูป ) เพื่อให้ได้ผลลัพธ์ที่เร็วขึ้น นอกจากนี้ยังสามารถข้ามงานบางอย่างได้ เช่น เมื่อเงื่อนไขขณะรันไทม์บ่งชี้ว่างานเหล่านั้นจะไม่เป็นประโยชน์ ( การข้ามงาน ) อัลกอริทึม Monte Carloและอัลกอริทึมแบบสุ่ม จะ แลกเปลี่ยนความถูกต้องกับการรับประกันเวลาในการดำเนินการ^{[ 17 ]}การคำนวณสามารถกำหนดรูปแบบใหม่ได้ตามแบบแผนที่อนุญาตให้เร่งความเร็วบนฮาร์ดแวร์เฉพาะทางได้ง่าย เช่น หน่วยประมวลผลประสาท^{[ 18 ]}

ระบบโดยประมาณ

ในระบบโดยประมาณ^{[ 19 ] [ 20 ]}ระบบย่อยต่างๆ ของระบบ เช่น โปรเซสเซอร์ หน่วยความจำ เซ็นเซอร์ และโมดูลการสื่อสาร จะถูกประมาณค่าร่วมกันเพื่อให้ได้เส้นโค้งการแลกเปลี่ยน QE ระดับระบบที่ดีกว่ามาก เมื่อเทียบกับการประมาณค่าแต่ละระบบย่อยแยกกัน

การคำนวณโดยประมาณถูกนำมาใช้ในหลากหลายโดเมนที่แอปพลิเคชันมีความทนทานต่อข้อผิดพลาด เช่นการประมวลผลมัลติมีเดียการเรียนรู้ของเครื่องการประมวลผลสัญญาณการคำนวณทางวิทยาศาสตร์ดังนั้น การคำนวณโดยประมาณจึงส่วนใหญ่ขับเคลื่อนโดยแอปพลิเคชันที่เกี่ยวข้องกับการรับรู้/การรู้คิดของมนุษย์และมีความทนทานต่อข้อผิดพลาดโดยธรรมชาติ แอปพลิเคชันเหล่านี้จำนวนมากใช้การคำนวณทางสถิติหรือความน่าจะเป็น เช่น การประมาณค่าที่แตกต่างกันสามารถทำได้เพื่อให้เหมาะสมกับวัตถุประสงค์ที่ต้องการมากขึ้น^{[ 21 ]} แอปพลิเคชันที่โดดเด่นอย่างหนึ่งในการเรียนรู้ของเครื่องคือ Google ใช้แนวทางนี้ในหน่วยประมวลผล Tensor (TPU ซึ่งเป็น ASICแบบกำหนดเอง) ^{[ 22 ]}

ประเด็นหลักในการคำนวณโดยประมาณคือการระบุส่วนของแอปพลิเคชันที่สามารถประมาณได้ ในกรณีของแอปพลิเคชันขนาดใหญ่ เป็นเรื่องปกติมากที่จะพบว่าผู้ที่มีความเชี่ยวชาญด้านเทคนิคการคำนวณโดยประมาณไม่มีความเชี่ยวชาญเพียงพอในโดเมนแอปพลิเคชัน (และในทางกลับกัน) เพื่อแก้ปัญหานี้ จึงมีการเสนอแนวคิดการเขียนโปรแกรม^{[ 23 ]} ขึ้นมา ซึ่งทั้งหมดมีจุดร่วมกันคือการแยกบทบาทที่ชัดเจนระหว่าง โปรแกรมเมอร์ แอปพลิเคชัน และผู้เชี่ยวชาญด้านโดเมน แอปพลิเคชัน แนวทางเหล่านี้ช่วยให้สามารถเผยแพร่การเพิ่มประสิทธิภาพและเทคนิคการคำนวณโดยประมาณ ที่พบบ่อยที่สุดได้

• เครือข่ายประสาทเทียม
• เมตาฮิวริสติก
• พีซีโมส
• FPGA