Vojtěch Mrázek pronesl veřejnou habilitační přednášku

V pátek 27. února 2026 přednesl svou veřejnou habilitační přednášku „Energy-efficient neural networks for embedded systems“  Ing. Vojtěch Mrázek, Ph.D.

Evoluční optimalizace akcelerátorů neuronových sítí – téma Mrázkovy habilitační práce dobře shrnuje dosavadní vědeckou cestu svého autora. Neuronové sítě (Neural Networks – dále jen NN) jsou hvězdami matematických modelů užívaných v oblasti informačních technologií, pojmem, s nímž se setkáváme každý den. Mrázek se nezabývá algoritmickým návrhem těchto sítí, ale tím, jak výsledné sítě co nejefektivněji spočítat (realizovat) vzhledem k jejich výrazné energetické náročnosti a podobě hardwaru, na němž mají „běžet“. A to je celosvětové téma. Vždyť dnes jsme schopni si spustit limitovanou neuronovou síť i na přenosných zařízeních, v mobilu, na různých součástech IoT apod. Tyto limitované verze NN nám často plně stačí – od termostatu čekáme, že bude pouze rozeznávat naše hlasové povely; od svých chytrých hodinek chceme prostou detekci typu naší aktivity, apod. Ovšem i zmíněný omezený výkon má své požadavky na výpočetní kapacitu a energetické zdroje. Ruku v ruce s vývojem umělé inteligence se proto musí posouvat i hardware tak, aby byl schopen také v případě malých přenosných zařízení implementaci NN zajistit. Tomu dnes často napomáhá tzv. akcelerátor neuronových sítí. A právě zde spočívá hlavní vědecká výzva, s níž se už několik let Vojtěch Mrázek úspěšně potýká: Jak sestavit a nastavit samotný hardware, konkrétně třeba onen akcelerátor, tak, aby výsledná neuronová síť, s níž má pracovat, fungovala efektivně.

Identifikace a návrh parametrů akcelerátoru NN (organizace paměti, nastavení velikosti a struktury výpočetních jednotek či způsob výpočtu) zdaleka není bezproblémový úkol. „Samozřejmě ideální podobu kombinace neuronové sítě a hardwarového řešení jsme schopni nějak identifikovat. Jenže skutečným cílem je vždy kompromis mezi energetickou náročností a výpočetním výkonem,“ popisuje Mrázek kýžený finální stav. Téma jeho habilitační přednášky se zaměřuje právě na způsoby, jak do vestavěného systému dostat výpočet inference neuronové sítě. „Existují ‚triky‘, které musíme dělat. Různé komprese sítě jako třeba kvantizace, prořezávání, dále metody typu zanášení cílené chyby do výpočtu a tak dále. A ukážu i to, jak lze optimalizovat hardware pro konkrétní typ neuronové sítě.“

Od disertace po velký GA ČR projekt

K návrhu energeticky efektivních hardwarových akcelerátorů přistupuje Vojtěch Mrázek skrze evoluční algoritmy. V dřívějším rozhovoru pro fakultní web definoval svou výzkumnou pozici pomocí analogie tří vrstev: „Máme vlastní softwarovou architekturu čipů, např. pro zpracování internetového provozu nebo videa, což jsou témata, která na fakultě řeší jiné výzkumné skupiny. A pak je rovina technologie čipů, ‚stavba‘ hardwaru, na niž se zaměřují mikroelektronici a fyzici. A mezi nimi existuje vrstva, které se říká EDA, Electronic Design Automation. A to jsme my. Jsme uprostřed, rozkročeni, obrazně řečeno, mezi softwarem a hardwarem, můžete si nás představit jako překladatelský článek mezi hardwarem a softwarovou architekturou čipů. Já bych měl zajistit co nejefektivnější a energeticky nejúspornější komunikaci obou rovin.“ Experimentální výsledky, k nimž ve spolupráci s kolegy dospěl a které popisuje i ve své habilitační práci „Evolutionary Optimization of Neural Network Accelerators“, prokazují významné úspory energie ve všech zkoumaných architekturách. A to včetně nejelementárnějšího řešení, jímž je tištěná elektronika, kterou Mrázek ve své habilitaci řeší coby příklad dokazující šíři využitelnosti jím navrhovaných metod.

Samotná habilitační práce svým obsahem hezky shrnuje postupný vývoj Mrázkova výzkumu. Disertace, kterou obhájil v roce 2018, se věnovala tématu pokročilého použití evolučních algoritmů pro práci s hardwarovými obvody: S kolegy se snažili navrhovat obvody na různých úrovních popisu od malých tranzistorů přes hradla až po větší bloky. V disertaci prokázal, že evoluční algoritmizace v oblasti approximate computing (přibližného počítání) funguje. Od tohoto tématu se pak na postdoc pozici, v jejímž rámci strávil rok na TU Wien, posunul k problému optimalizace celých systémů, tedy zasazování komponent navržených během disertace do aplikací. A současnost a blízká výzkumná budoucnost Vojtěcha Mrázka? Nejlépe ji definuje čerstvě získaný prestižní grant GA ČR Junior Star, který mu mimo jiné umožňuje sestavit na fakultě nový výzkumný tým: „Samotné evoluční algoritmy nám už nestačí, musíme si pomáhat strojovým učením. Ovšem strojové učení a evoluční algoritmy se vzájemně ovlivňují, a díky tomu i vylepšují.“ V rámci projektu si tým klade za cíl propojit výhody evolučního návrhu elektronických obvodů a pokročilých metod strojového učení pro zlepšování designu čipů. A současně využít faktu, že ovlivňování evolučních algoritmů a AI algoritmů je oboustranné – také evoluční návrhové algoritmy se v této interakci zdokonalují. Mrázek dodává, že se snaží trendy strojového učení neustále sledovat, byť je to svou dynamičností velká výzva. „Snažíme se trendy reflektovat. Nejde nám o jakousi pravověrnost procesu, že bychom se pevně drželi čistě jen evolučních algoritmů. Chceme vytvořit dobrý výsledek. A kombinace se strojovým učením je momentálně jasným příslibem.“

Habilitace? Přirozený vývoj

A jak Vojtěch Mrázek vnímá samotnou habilitaci? Velký předěl, nebo snad nutnost? „Je to součást přirozeného vývoje a jsem za to rád. Vážím si, že můžu budovat tým, spolupracovat s doktorandy a intenzivněji se podílet na výuce. Obrovským přínosem je pro mě možnost společného výzkumu se zahraničními univerzitami, o tom se mi ani nesnilo,“ komentuje Mrázek. „Akademická tvůrčí volnost je obrovská výhoda. Třeba v rámci doktorského studia má člověk téma zadáno volně a je na něm, kterou cestu zvolí. A samozřejmě to může být i slepá ulička ve výzkumu. Taky se mi to stalo,“ dodává s úsměvem. „V podobný moment je zvlášť důležitá podpora rodiny,“ uzavírá Mrázek své ohlédnutí za dosavadní vědeckou dráhou. Pokud jste se přednášky nezúčastnili osobně, využijte online záznamu, který je dostupný ZDE.