Přístupnostní navigace
E-application
Search Search Close
Master's Thesis
Author of thesis: Ing. Ondřej Galeta
Acad. year: 2025/2026
Supervisor: prof. Ing. Lukáš Sekanina, Ph.D.
Reviewer: doc. Ing. Vojtěch Mrázek, Ph.D.
Cartesian Genetic Programming (CGP) for approximate circuit design suffers from poor scalability due to expensive evaluations of candidate solutions. This work proposes a transformer-guided mutation operator to accelerate the design of approximate multipliers. A transformer model based on Bidirectional Encoder Representations from Transformers (BERT) architecture, trained on thousands of multipliers from the library EvoApproxLib, predicts where and how the circuit should be mutated. The approach is supported by dataset filtering, augmentation, an engineered loss function, and a fallback to standard mutation. Results on evolutionary design of approximate circuits show faster convergence and improved solutions over standard CGP for some error thresholds. The approach creates new, possibly novel, approximate 8-bit multipliers and demonstrates the potential of combining evolutionary design with machine learning.
machine learning, Cartesian Genetic Programming, transformer, training, augmentation, approximate circuit design, multiplier, BERT, hardware optimization
Date of defence
25.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
A
Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.
Topics for thesis defence
Language of thesis
English
Faculty
Fakulta informačních technologií
Department
Department of Computer Systems
Study programme
Information Technology and Artificial Intelligence (MITAI)
Specialization
Embedded Systems (NEMB)
Composition of Committee
doc. Ing. Zdeněk Vašíček, Ph.D. (předseda) doc. Ing. Michal Bidlo, Ph.D. (místopředseda) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Ing. Marcela Zachariášová, Ph.D. (člen) doc. Dr. Ing. Otto Fučík (člen) Ing. Josef Strnadel, Ph.D. (člen)
Supervisor’s reportprof. Ing. Lukáš Sekanina, Ph.D.
Diplomant prozkoumal nové téma vynikajícím způsobem. Vzhledem k náročnosti tématu, množství odvedené práce, dosaženým výsledkům, solidní technické zprávě a publikačním výstupům hodnotím tuto práci stupněm výborně. Dále práci navrhuji na vhodné ocenění.
Jedná se o náročnější zadání výzkumného charakteru, které bylo zpracováno způsobem, který vedl k původním vědeckým výsledkům. Práce navazuje na výzkumnou činnost realizovanou v oblasti evolučního návrhu aproximativních obvodů výzkumnou skupinou EvoAIHW na FIT. Diplomant do evolučního návrhu zabudoval natrénovanou transformerovou neuronovou síť pro predikci mutace kandidátních násobiček.
Implementace byla dokončena v předstihu. Obsah předfinální verze technické zprávy byl konzultován, mé připomínky byly zapracovány.
Výsledky prezentované v diplomové práci byly přijaty k publikaci na IEEE World Congress on Computational Intelligence – IEEE Congress on Evolutionary Computation (ICORE B). Dále byly výsledky publikovány na fakultní konferenci Excel 2026, kde diplomant získal Cenu odborného panelu.
Diplomant samostatně vyhledával odbornou literaturu a využíval ji.
Diplomant konzultoval dle potřeby, v posledních měsících intenzivně. Na konzultace byl výborně připraven a samostatně navrhoval vhodná pokračování řešení projektu.
Grade proposed by supervisor: A
Reviewer’s reportdoc. Ing. Vojtěch Mrázek, Ph.D.
Student v této práci představil kompletní vědecké dílo, které svým způsobem posouvá aktuální stav poznání. Využití strojového učení v oblasti evolučního návrhu obvodů je téma velmi řešené v rámci komunity automatizovaného návrhu obvodů a tato práce představuje jeden z dalších kroků vedoucí ke zefektivnění návrhu. Vzhledem ke kvalitě textu práce, implementace, vyhodnocení i výstupům na přehlídce EXCEL@FIT i konferenci WCCI doporučuji tuto práci hodnotit stupněm A - výborně a navrhuji tuto práci k ocenění.
Evaluation level: assignment fulfilled
Student splnil všechny body zadání a prezentuje kompletní, ucelené řešení.
Evaluation level: is within the usual extent
Práce je logicky strukturována a rozsahy jednotlivých kapitol jsou adekvátní. Autor na rozumné úrovni vysvětluje aspekty návrhu digitálních obvodů, evolučních algoritmů i techniky strojového učení. Oceňuji, že teoretický úvod obsahuje všechny důležité informace, ale nezabíhá do zbytečných detailů.
Práce je psaná velmi dobrou angličtinou a neobsahuje závažnější jazykové či typografické chyby.
Autor ve své práci čerpal ze 42 zdrojů, převážně z aktuální vědecké literatury. Při návrhu metodologie navazuje na aktuální stav poznání a opravdu cílí na zatím neprozkoumané části evolučního návrhu obvodů.
Realizační výstup představuje novou implementaci Kartézského genetického programování rozšířené o mutační operátor řízený strojovým učením, v tomto případě transformerovou sítí.
Autor se při implementaci soustředil na její efektivnost, proto časově simulaci obvodů nutnou při každé evaluaci akceleroval na úrovni vektorizace pomocí AVX instrukcí. Podobně se snažil zlepšit návrhový systém tak, aby byl co nejefektivnější.
Kromě toho, že je vlastní aplikace efektivní a funkční, práce ukazuje velmi kvalitní analýzu výsledků. Ukazuje přesně, kdy jeho metoda funguje dobře, ale i kde má své limity.
Práce je využitelná v celém rozsahu, o čemž svědčí i přijetí jádra práce k publikaci a prezentaci na prestižní konferenci WCCI 2026. Na tyto výsledky je možné navázat další práci v rámci výzkumné skupiny EvoAI.
Evaluation level: very difficult assignment
Zadání hodnotím jako značně obtížné, jelikož se jedná o téma, které není v literatuře zatím řešeno a autor musel přijít s vlastním způsobem řešení. Další obtížnost plyne z toho, že zadání je poměrně volné a student musel zvolit vlastní způsob integrace strojového učení do návrhu digitálních obvodů.
Grade proposed by reviewer: A
Responsibility: Mgr. et Mgr. Hana Odstrčilová