Ang MAX78000 ay binabawasan ang pagkonsumo ng enerhiya at latency ng 100 beses, na nagpapagana ng mga kumplikadong naka-embed na desisyon sa gilid ng IoT

Beijing, China — Oktubre 21, 2020 — Inanunsyo ng Maxim Integrated Products, Inc (NASDAQ: MXIM) ang paglulunsad ng isang neural network acceleratorMAX78000 Ang mga microcontroller na may mababang lakas na sumusuporta sa mga aparatong naka-Powered baterya na pinapatakbo ng baterya ay gumagamit ng mabilis, mababang lakas na pangangatuwiran na artipisyal na intelihensiya (AI) upang makagawa ng mga kumplikadong desisyon sa gilid. Kung ihahambing sa mga solusyon sa software, ang mabilis at mababang kapangyarihan na pagpapatupad ng paggawa ng desisyon ay binabawasan ang pagkonsumo ng enerhiya ng kumplikadong pangangatwiran AI sa mas mababa sa isang porsyento ng nakaraang solusyon. Ang sistemang pinapatakbo ng baterya na gumagamit ng teknolohiya ng AI ay maaaring lubos na mapalawak ang oras ng pagtakbo at makatulong Upang makamit ang isang bagong henerasyon ng mga aplikasyon ng AI na pinalakas ng baterya na hindi malalampasan dati. Bilang karagdagan, ang MAX78000 ay hindi nakakaapekto sa mga tagapagpahiwatig ng latency at gastos: ang gastos nito ay isang bahagi lamang ng solusyon na FPGA o GPU, at ang bilis ng hinuha ay 100 beses na mas mabilis kaysa sa solusyon ng software na ipinatupad sa isang mababang-lakas na microcontroller.

• Para sa karagdagang impormasyon tungkol sa Maxim Integrated artipisyal na mga solusyon sa intelligence, mangyaring bisitahin ang ›
• Upang mag-order ng MAX78000 o para sa karagdagang impormasyon, mangyaring bisitahin ang ›
• Upang mag-download ng mga imahe na may mataas na resolusyon, mangyaring bisitahin ang ›
• Para sa karagdagang impormasyon tungkol sa MAX78000 mga tool sa pag-unlad at isang mabilis na gabay sa pagsisimula ng video, mangyaring bisitahin ›

Pinapayagan ng teknolohiyang AI ang mga makina na obserbahan, pakinggan at maunawaan ang mundo sa mga paraang ganap na imposible dati. Noong nakaraan, ang paglalagay ng paghihinuha ng AI sa gilid ay nangangahulugang pagkolekta ng data mula sa mga sensor, camera, at mikropono, pagkatapos ay ipadala ang data sa cloud upang ipatupad ang mga algorithm ng hinuha, at pagkatapos ay ibalik ang mga resulta sa gilid. Dahil sa malaking pagkaantala at pagkonsumo ng enerhiya, ang arkitekturang ito ay lubos na mapaghamong para sa pagpapasikat sa gilid. Bilang isang kahalili, maaaring magamit ang mga microcontroller na may mababang lakas upang ipatupad ang mga simpleng operasyon ng neural network, ngunit ang pagkaantala ay maaapektuhan at ang mga simpleng gawain ay magagawa lamang sa gilid.

Sa pamamagitan ng pagsasama ng isang nakalaang neural network accelerator, nadaig ng MAX78000 ang mga limitasyong ito, at binibigyang-daan ang makina na makita at marinig ang mga kumplikadong pattern sa pamamagitan ng pagpapatupad ng Ai sa pagpoproseso nang lokal na may mababang paggamit ng kuryente sa real time. Dahil ang pagkonsumo ng kuryente ng MAX78000 upang maisagawa ang hinuha ay mas mababa sa isang porsyento ng pagkonsumo ng kuryente ng software ng microcontroller, napapabuti nito ang kahusayan ng mga aplikasyon tulad ng paningin sa makina, boses at pagkilala sa mukha. Ang core ng MAX78000 ay nakatuon sa hardware, na idinisenyo upang i-minimize ang pagkonsumo ng enerhiya at pagkaantala ng Convolutional Neural Network (CNN). Kapag tumatakbo ang hardware, halos walang pangunahing microcontroller ang kinakailangan upang makagambala, na nangangahulugang ang operasyon ay lubos na streamline. Ang enerhiya at oras ay ginagamit lamang upang ipatupad ang mga pagpapatakbo ng matematika ng CNN. Upang mahusay na maipasok ang nakolektang data mula sa labas ng mundo sa CNN engine, ang mga gumagamit ay maaaring gumamit ng isa sa dalawang integrated microcontroller core: ultra-low power ARM Cortex-M4 core, o mas mababang lakas na RISC-V core.

Sa pananaw ng mga hamon ng pag-unlad ng AI, nagbibigay ang Maxim Integrated ng mga tool upang makamit ang isang maayos na karanasan sa pagsusuri at pag-unlad. MAX78000EVKIT # Kasama ang pag-input ng audio at camera, sinusuportahan ng out-of-the-box na platform ng pagtatanghal ang pagkuha ng keyword at pagkilala sa mukha sa malaking naka-print. Ang kumpletong dokumentasyon ay maaaring makatulong sa mga inhinyero na sanayin ang MAX78000 network, at gamitin ang kanilang pang-araw-araw na tool: TensorFlow o PyTorch.

Pangunahing kalamangan

• Mababang pagkonsumo ng enerhiya: Ang accelerator ng hardware ay pinagsama sa ultra-mababang paggamit ng kuryente ng ARM M4F at RISC-V microcontrollers upang itulak ang matalinong pagpapatupad sa gilid, at ang pagkonsumo ng enerhiya ay mas mababa sa isang porsyento ng mga naka-embed na solusyon sa pakikipagkumpitensya.
• Mababang latency: Magsagawa ng mga pagpapaandar ng AI sa gilid upang makamit ang kumplikadong katalusan, bawasan o alisin ang pagproseso ng cloud transaksyon para sa mga aplikasyon ng IoT, at taasan ang bilis ng 100 beses kaysa sa mga solusyon sa software.
• Mataas na isinama: Ginagawa ng mga microcontroller na may mababang lakas na may mga neural network accelerator na matanto ang kumplikado, real-time na katalusan sa mga aparato ng IoT na pinapatakbo ng baterya.

Pagsusuri

• "Ang artipisyal na katalinuhan ay madalas na nauugnay sa malalaking mga solusyon sa cloud ng data." Sinabi ng analyst ng pananaliksik sa Omdia na si Kelson Astley: "Anumang teknolohiya na maaaring ihiwalay mula sa mga linya ng kuryente at pag-asa sa malalaking kapasidad na mga lithium-ion na pack ng baterya ay makakatulong na buksan ang pag-iisip ng mga taga-disenyo. , At pagkatapos ay bumuo ng isang solusyon sa Ai na mas mabilis at mas madaling ibagay sa operating environment nito. "
• "Tinanggal namin ang kurdon ng kuryente para sa pagpapatupad ng edge AI." Si Kris Ardis, Executive Director ng Maxim Integrated Microprocessor at Security Products Division, ay nagsabi: "Ang mga aparato ng IoT na pinapatakbo ng baterya ay maaari nang magawa ang higit pa sa simpleng pagkilala sa keyword. Mayroon kaming Binago nito ang mga patakaran ng laro na dapat pumili sa pagitan ng pagkonsumo ng kuryente, latency at gastos. Inaasahan namin ang makabagong teknolohiyang ito na magbubunga ng mga bagong lugar ng aplikasyon. "