0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Software-Pipelining The Number Theoretic Transform on Neural Processing Units: A Loop-Fission Methodology
- 1.AMD AI Engine(AIE) NPU에서 PQC·FHE 핵심 연산인 수론변환(NTT)을 가속하는 루프 피션 기법 제안
- 2.루프 피션으로 Barrett 감산 최적화해 radix-2/4/8 NTT 구현 3종 설계
- 3.1세대 AIE에서 처리량 8.27~13.2배, 지연 2.44~10.3배 개선(타일당, 기존 연구 대비)
- 4.14비트 모듈러스 차수 4096, 30비트 모듈러스 차수 2048까지 임의 NTT 모듈러스 지원
왜 중요한가?
GPU·FPGA 중심이던 NTT 가속 연구를 NPU로 확장해, PQC·FHE 하드웨어 가속기 선택지를 넓히는 초기 사례다.
언급 프로젝트
본문 미리보기
Lattice-based post-quantum cryptography (PQC) and fully homomorphic encryption (FHE) rely heavily on the number theoretic transform (NTT) for efficient polynomial multiplication. While GPUs and FPGAs have been widely explored for NTT acceleration, neural processing units (NPUs), a rapidly growing class of AI accelerators, remain largely unexplored for cryptographic workloads. In this work, we develop a methodology for accelerating the NTT on NPUs, using AMD’s AI Engine (AIE) architecture as a re
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:25AI 초안

