Der MAX78000 reduziert den Energieverbrauch und die Latenz um das 100-fache und ermöglicht komplexe eingebettete Entscheidungen am IoT-Rand

Peking, China - 21. Oktober 2020 - Maxim Integrated Products, Inc. (NASDAQ: MXIM) gab die Einführung eines Beschleunigers für neuronale Netze bekanntMAX78000 Mikrocontroller mit geringem Stromverbrauch, die batteriebetriebene eingebettete Internet of Things (IoT) -Geräte am Rande unterstützen, durch schnelle Argumentation mit künstlicher Intelligenz (KI) mit geringem Stromverbrauch, um komplexe Entscheidungen zu treffen. Im Vergleich zu Softwarelösungen reduziert diese schnelle und stromsparende Entscheidungsimplementierung den Energieverbrauch komplexer KI-Überlegungen auf weniger als ein Prozent der vorherigen Lösung. Das batteriebetriebene System mit KI-Technologie kann seine Laufzeit erheblich verlängern und helfen Um eine neue Generation batteriebetriebener KI-Anwendungen zu erreichen, die zuvor nicht übertroffen werden konnten. Darüber hinaus hat der MAX78000 keinen Einfluss auf den Latenzindex und die Kosten: Seine Kosten machen nur einen Bruchteil der FPGA- oder GPU-Lösung aus, und die Ausführungsgeschwindigkeit der Inferenz ist 100-mal schneller als die auf einem Mikrocontroller mit geringem Stromverbrauch implementierte Softwarelösung.

• Weitere Informationen zu Maxim Integrated-Lösungen für künstliche Intelligenz finden Sie unter ›
• Um MAX78000 zu bestellen oder weitere Informationen zu erhalten, besuchen Sie bitte ›
• Um hochauflösende Bilder herunterzuladen, besuchen Sie bitte ›
• Weitere Informationen zu den MAX78000-Entwicklungstools und ein Video mit einer Kurzanleitung finden Sie unter ›

Die KI-Technologie ermöglicht es Maschinen, die Welt auf eine Weise zu beobachten, zuzuhören und wahrzunehmen, die vorher völlig unmöglich war. In der Vergangenheit bedeutete das Platzieren von KI-Inferenz an der Kante das Sammeln von Daten von Sensoren, Kameras und Mikrofonen, das Senden der Daten an die Cloud zur Implementierung von Inferenzalgorithmen und das Zurücksenden der Ergebnisse an die Kante. Aufgrund der großen Verzögerung und des Energieverbrauchs ist diese Architektur für die Edge-Popularisierung äußerst herausfordernd. Alternativ können Mikrocontroller mit geringem Stromverbrauch verwendet werden, um einfache neuronale Netzwerkoperationen zu implementieren. Die Verzögerung wird jedoch beeinträchtigt und einfache Aufgaben können nur am Rand ausgeführt werden.

Durch die Integration eines dedizierten Beschleunigers für neuronale Netze überwindet der MAX78000 diese Einschränkungen und ermöglicht es der Maschine, komplexe Muster zu sehen und zu hören, indem die AI-Verarbeitung lokal mit geringem Stromverbrauch in Echtzeit ausgeführt wird. Da der MAX78000 weniger als ein Prozent des Stromverbrauchs der Mikrocontroller-Software für Inferenzen verwendet, wird die Effizienz von Anwendungen wie Bildverarbeitung, Sprache und Gesichtserkennung erheblich verbessert. Der Kern von MAX78000 ist dedizierte Hardware, die den Energieverbrauch und die Verzögerung des Convolutional Neural Network (CNN) minimiert. Wenn die Hardware ausgeführt wird, muss fast kein Mikrocontrollerkern eingreifen, was bedeutet, dass der Betrieb extrem rationalisiert ist. Energie und Zeit werden nur zur Implementierung mathematischer CNN-Operationen verwendet. Um gesammelte Daten von der Außenwelt effizient in die CNN-Engine einzugeben, können Benutzer einen von zwei integrierten Mikrocontrollerkernen verwenden: den ARM Cortex-M4-Kern mit extrem geringem Stromverbrauch oder den RISC-V-Kern mit geringerem Stromverbrauch.

Angesichts der Herausforderungen der KI-Entwicklung bietet Maxim Integrated Tools, um eine reibungslose Evaluierungs- und Entwicklungserfahrung zu erzielen. MAX78000EVKIT # Die sofort einsatzbereite Präsentationsplattform mit Audio- und Kameraeingang unterstützt das Abrufen von Schlüsselwörtern und die Gesichtserkennung in Großdruck. Mithilfe der vollständigen Dokumentation können Ingenieure das MAX78000-Netzwerk trainieren und ihre täglichen Tools verwenden: TensorFlow oder PyTorch.

Hauptvorteil

• Geringer Energieverbrauch: Der Hardwarebeschleuniger wird mit ARM M4F- und RISC-V-Mikrocontrollern mit extrem geringem Stromverbrauch kombiniert, um die intelligente Implementierung auf den neuesten Stand zu bringen. Der Energieverbrauch beträgt weniger als ein Prozent der eingebetteten Konkurrenzlösungen.
• Geringe Wartezeit: Führen Sie KI-Funktionen am Rande aus, um eine komplexe Erkennung zu erreichen, die Verarbeitung von Cloud-Transaktionen für IoT-Anwendungen zu reduzieren oder zu eliminieren und die Geschwindigkeit auf das 100-fache von Softwarelösungen zu erhöhen.
• Hoch integriert: Mikrocontroller mit geringem Stromverbrauch und Beschleunigern für neuronale Netze ermöglichen die Realisierung komplexer Echtzeiterkennungen in batteriebetriebenen IoT-Geräten.

Auswertung

• "Künstliche Intelligenz wird häufig mit Big-Data-Cloud-Lösungen in Verbindung gebracht." Der Marktforschungsanalyst von Omdia, Kelson Astley, sagte: "Jede Technologie, die von Stromleitungen getrennt werden kann und auf Lithium-Ionen-Akkus mit großer Kapazität angewiesen ist, wird das Denken der Designer fördern. Und erstellen Sie eine KI-Lösung, die agiler und an die Betriebsumgebung anpassbarer ist. "
• "Wir haben das Netzkabel für die Edge-AI-Implementierung entfernt." Kris Ardis, Executive Director der Maxim Integrated Microprocessor and Security Products Division, sagte: "Batteriebetriebene IoT-Geräte können jetzt viel mehr als nur die einfache Erkennung von Schlüsselwörtern Es hat die Spielregeln geändert, die zwischen Stromverbrauch, Latenz und Kosten wählen müssen. Wir freuen uns auf diese innovative Technologie, um neue Anwendungsbereiche hervorzubringen. "