MAX78000 minskar energiförbrukningen och latensen med 100 gånger, vilket möjliggör komplexa inbäddade beslut vid IoT-kanten

Peking, Kina - 21 oktober 2020 - Maxim Integrated Products, Inc (NASDAQ: MXIM) tillkännagav lanseringen av en neuronal nätverksacceleratorMAX78000 Lågeffektiva mikrokontroller som stöder batteridrivna inbyggda Internet of Things (IoT) -enheter i utkanten genom snabba resurser med artificiell intelligens (AI) för att fatta komplexa beslut. Jämfört med mjukvarulösningar minskar detta snabba och låga effektbeslut implementering av energiförbrukningen för komplexa AI-resonemang till mindre än en procent av den tidigare lösningen. Det batteridrivna systemet med AI-teknik kan kraftigt förlänga dess körtid och hjälpa För att uppnå en ny generation av batteridrivna AI-applikationer som inte kan överträffas tidigare. Dessutom påverkar MAX78000 inte latensindex och kostnad: kostnaden är bara en bråkdel av FPGA- eller GPU-lösningen, och slutförandets hastighet är 100 gånger snabbare än mjukvarulösningen som implementeras på en mikrostyrenhet med låg effekt.

• För mer information om Maxim Integrated artificiell intelligenslösningar, besök ›
• För att beställa MAX78000 eller för mer information, besök ›
• För att ladda ner högupplösta bilder, besök ›
• För mer information om MAX78000 utvecklingsverktyg och en snabbstartguide, besök ›

AI-teknik gör det möjligt för maskiner att observera, lyssna och uppfatta världen på ett sätt som var helt omöjligt tidigare. Tidigare innebar att AI-inferens mot kanten innebar att man samlade in data från sensorer, kameror och mikrofoner, sedan skickade data till molnet för att implementera inferensalgoritmer och sedan skickade resultaten tillbaka till kanten. På grund av den stora fördröjningen och energiförbrukningen är denna arkitektur extremt utmanande för kantpopularisering. Som ett alternativ kan lågeffektiva mikrokontroller användas för att implementera enkla neurala nätverksoperationer, men förseningen påverkas och enkla uppgifter kan bara utföras vid kanten.

Genom att integrera en dedikerad neuralnätaccelerator övervinner MAX78000 dessa begränsningar och gör det möjligt för maskinen att se och höra komplexa mönster genom att utföra AI-bearbetning lokalt med låg strömförbrukning i realtid. Eftersom MAX78000 använder mindre än en procent av mikrokontrollerns energiförbrukning för att utföra slutsatser, förbättrar det avsevärt effektiviteten i applikationer som maskinsyn, röst och ansiktsigenkänning. Kärnan i MAX78000 är dedikerad hårdvara som är utformad för att minimera energiförbrukningen och fördröjningen av Convolutional Neural Network (CNN). När hårdvaran körs krävs nästan ingen mikrokontroller för att ingripa, vilket innebär att operationen är extremt strömlinjeformad. Energi och tid används bara för att implementera matematiska operationer i CNN. För att effektivt kunna mata in insamlade data från omvärlden till CNN-motorn kan användare använda en av två integrerade mikrokontroller-kärnor: ARM Cortex-M4-kärna med extremt låg effekt eller RISC-V-kärna med lägre effekt.

Med tanke på utmaningarna med AI-utveckling ger Maxim Integrated verktyg för att uppnå en smidig utvärdering och utvecklingsupplevelse. MAX78000EVKIT # Inklusive ljud- och kamerainmatning stöder presentationsplattformen direkt från lådan sökordshämtning och ansiktsigenkänning i stort. Komplett dokumentation kan hjälpa ingenjörer att träna MAX78000-nätverket och använda deras dagliga verktyg: TensorFlow eller PyTorch.

Huvudfördel

• Låg energiförbrukning: Kombinationen av hårdvaruacceleratorer med extremt låg strömförbrukning ARM M4F och RISC-V mikrokontroller driver intelligent implementering till kanten och förbrukar mindre än en procent av de inbäddade konkurrerande lösningarna.
• Låg latens: Utför AI-funktioner vid kanten för att uppnå komplex kognition, minska eller eliminera molntransaktionsbehandling för IoT-applikationer och öka hastigheten till 100 gånger den för mjukvarulösningar.
• Mycket integrerad: Lågeffektmikrokontroller med neurala nätverksacceleratorer gör det möjligt att förverkliga komplex realtidskognition i batteridrivna IoT-enheter.

Utvärdering

• ”Artificiell intelligens är ofta förknippad med stora datamolnlösningar.” Omdias marknadsundersökningsanalytiker Kelson Astley sa: ”Alla tekniker som kan separeras från kraftledningar och beroende av litiumjonbatterier med stor kapacitet hjälper till att öppna designers tänkande. , Och bygg en AI-lösning som är mer smidig och mer anpassningsbar till dess driftsmiljö. "
• "Vi har tagit bort strömsladden för kant-AI-implementering." Kris Ardis, verkställande direktör för Maxim Integrated Microprocessor and Security Products Division, sa: "Batteridrivna IoT-enheter kan nu göra mycket mer än enkel sökordsigenkänning. Vi har Det har förändrat spelreglerna som måste välja mellan strömförbrukning, latens och kostnad. Vi ser fram emot denna innovativa teknik för att föda nya applikationsområden. "