Αρχιτεκτονική προσέγγιση: Το DOOM ως υπολογιστικό runtime
Το Doomformer δεν αποτελεί απλώς ένα mod, αλλά έναν compiler που μεταφράζει αρχιτεκτονικές νευρωνικών δικτύων σε δομές επιπέδων (levels) του DOOM. Η βασική ιδέα βασίζεται στη χρήση των voodoo dolls, τα οποία, μέσω της αλληλεπίδρασής τους με γραμμές ενεργοποίησης (trigger lines) και τομείς (sectors) του χάρτη, εκτελούν πράξεις. Κάθε βάρος (weight) αντιστοιχεί σε μια διαδρομή που διασχίζει το doll, ενώ το άθροισμα (sum) αποτυπώνεται στο επίπεδο φωτεινότητας ή στο ύψος του δαπέδου ενός τομέα.
Μηχανισμοί ενεργοποίησης και attention
Η υλοποίηση μη γραμμικών συναρτήσεων, όπως η ReLU, επιτυγχάνεται μέσω «σκαλοπατιών» (staircases) που λειτουργούν ως πύλες. Αντίστοιχα, ο μηχανισμός attention υλοποιείται μέσω οροφών που χαμηλώνουν, περιορίζοντας την κίνηση των dolls ανάλογα με τις τιμές άλλων παραμέτρων. Αυτή η προσέγγιση επιτρέπει την αναπαράσταση σύνθετων δομών, διατηρώντας παράλληλα την ακεραιότητα των δεδομένων μέσω του ACS (Action Code Script) scripting.
Επαλήθευση και διαλειτουργικότητα (interoperability)
Ένα από τα πιο εντυπωσιακά χαρακτηριστικά του project είναι η αυστηρή επαλήθευση (verification). Το σύστημα συγκρίνει κάθε τιμή που υπολογίζεται εντός του DOOM με μια αντίστοιχη υλοποίηση σε NumPy. Παρά το γεγονός ότι η εκτέλεση είναι περίπου 23.000 φορές πιο αργή από την παραδοσιακή επεξεργασία σε CPU, η ακρίβεια των αποτελεσμάτων είναι απόλυτη. Το εργαλείο υποστηρίζει επίσης την εισαγωγή μοντέλων από PyTorch, καθιστώντας το ένα μοναδικό εργαλείο για την οπτικοποίηση και την αποσφαλμάτωση (debugging) νευρωνικών δικτύων σε ένα περιβάλλον που δεν σχεδιάστηκε ποτέ για τέτοιο σκοπό.