隨著數位資料產生的速度與量愈來愈高，巨量資料之相關應用在近年逐漸受到重視，為了有效的利用巨量資料，最重要的一個應用即為巨量資料分析，藉由重要訊息之萃取，以告知此資料所表示之意義。 然而，巨量資料之分析遭遇到兩個難題，一是演算法在大規模計算時的複雜度，以及大規模資料分析的準確度。另一點是系統愈大規模資料分析時的速度。現有之統計演算法複雜度高，或是準確率有限。而在運算平臺方面，由於一般之中央處理器並非為資料分析做設計，故效能較差，或是需要串聯多臺伺服器，才可達到可接受之分析速度。 有鑑於此，本團隊與史丹佛王永雄老師共同合作，於軟硬體協同設計，在降低演算法複雜度的前提下，仍能保有具競爭力之分析密度估測準確率，並可進一步延伸至各式分類、分群、壓縮等應用，並導入硬體加速的概念，設計彈性化之硬體加速電路與平臺，相較於中央處理器與通用繪圖處理器，可達到297倍與11倍之運算加速，並且僅消耗小於一瓦之功率，提供省電而迅速之解決方案予巨量資料分析之應用。