Circuitos integrados

ROHM desarrolla un chip de IA de aprendizaje "On-device" de muy bajo consumo

Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

ROHM ha desarrollado un chip de IA de aprendizaje "On-device" (SoC con acelerador de IA de aprendizaje en el dispositivo) para puntos finales de edge computing en el campo del IoT. Utiliza la inteligencia artificial para predecir fallos (detección predictiva de fallos) en dispositivos electrónicos equipados con motores y sensores en tiempo real con un consumo de energía ultrabajo.

Por lo general, los chips de IA realizan aprendizajes e inferencias para lograr funciones de inteligencia artificial. Como el aprendizaje requiere que se capte una gran cantidad de datos, se compilen en una base de datos y se actualicen cuando sea necesario. Por lo tanto, el chip de IA que realiza el aprendizaje requiere una potencia de cálculo considerable que necesariamente consume una gran cantidad de energía. Hasta ahora ha sido difícil desarrollar chips de IA que puedan aprender sobre el terreno consumiendo poca energía para que los ordenadores edge y los puntos finales construyan un ecosistema de IoT eficiente.

Basado en un "algoritmo de aprendizaje en el dispositivo" desarrollado por el profesor Matsutani de la Universidad de Keio, el nuevo chip de IA desarrollado por ROHM consiste principalmente en un acelerador de IA (circuito de hardware dedicado a la IA) y la CPU de 8 bits de alta eficiencia 'tinyMicon MatisseCORE™' de ROHM. La combinación del acelerador de IA ultracompacto de 20.000 compuertas con una CPU de alto rendimiento permite el aprendizaje y la inferencia con un consumo de energía ultrabajo, de tan solo unas decenas de mW (1.000 veces menor que el de los chips de IA convencionales capaces de aprender). Esto permite la predicción de fallos en tiempo real en una amplia gama de aplicaciones, ya que los "resultados de la detección de anomalías (puntuación de anomalías)" pueden ser emitidos numéricamente para datos de entrada desconocidos en el lugar donde se instalan los equipos sin involucrar a un servidor en la nube.

En el futuro, ROHM tiene previsto incorporar el acelerador de IA utilizado en este chip de IA en varios productos de CI para motores y sensores. El inicio de la comercialización está previsto para 2023 y la producción en masa para 2024.

Profesor Hiroki Matsutani, Departamento de Ciencias de la Información y Computación, Universidad de Keio, Japón
"A medida que avanzan las tecnologías de IoT, como la comunicación 5G y los gemelos digitales, se requerirá que la computación en la nube evolucione, pero el procesamiento de todos los datos en los servidores de la nube no siempre es la mejor solución en términos de carga, coste y consumo de energía. Con el "aprendizaje en el dispositivo" que investigamos y los "algoritmos de aprendizaje en el dispositivo" que desarrollamos, pretendemos conseguir un procesamiento de datos más eficiente en el extremo para construir un mejor ecosistema de IoT. A través de esta colaboración, ROHM nos ha mostrado el camino hacia la comercialización de una manera rentable mediante el avance de la tecnología de circuitos de aprendizaje en el dispositivo. Espero que el prototipo de chip de IA se incorpore a los productos de CI de ROHM en un futuro próximo."

Acerca de tinyMicon MatisseCORE™
tinyMicon MatisseCORE™ (Matisse: unidad microaritmética para secuenciador de tamaño diminuto) es la CPU de 8 bits propiedad de ROHM desarrollada con el propósito de hacer que los CI analógicos sean más inteligentes para el ecosistema IoT. Un conjunto de instrucciones optimizado para aplicaciones embebidas junto con la última tecnología de compiladores para ofrecer un rápido procesamiento aritmético en un área de chip y un tamaño de código de programa más pequeños. También se admiten aplicaciones de alta fiabilidad, como las que requieren cualificación según las normas de seguridad funcional para vehículos ISO 26262 y ASIL-D, mientras que la "función de depuración en tiempo real" patentada a bordo evita que el proceso de depuración interfiera con el funcionamiento del programa, lo que permite realizar la depuración mientras la aplicación se está ejecutando.

Detalle del chip de IA de ROHM (SoC con acelerador de IA de aprendizaje en el dispositivo)
El prototipo de chip de IA (pieza prototipo nº BD15035) se basa en un algoritmo de aprendizaje en el dispositivo (circuito de IA de red neuronal de tres capas) desarrollado por el profesor Matsutani de la Universidad de Keio. ROHM redujo el circuito de IA de 5 millones de puertas a solo 20.000 (un 0,4% del tamaño) para reconfigurarlo y comercializarlo como un acelerador de IA propio (AxlCORE-ODL) controlado por la CPU de 8 bits tinyMicon MatisseCORE™ de alta eficiencia de ROHM que permite el aprendizaje y la inferencia de IA con un consumo de energía ultrabajo de solo unas decenas de mW. Esto hace posible la salida numérica de "resultados de detección de anomalías" para patrones de datos de entrada desconocidos (es decir, aceleración, corriente, brillo, voz) en el lugar donde está instalado el equipo sin involucrar a un servidor en la nube o requerir el aprendizaje previo de la IA, lo que permite la predicción de fallos en tiempo real (detección de señales de fallo predictivas) por la IA in situ mientras se mantienen bajos los costes del servidor en la nube y la comunicación.

Para evaluar el chip de IA, ofrecemos una placa de evaluación equipada con terminales compatibles con Arduino, a la que se puede acoplar una placa de sensores de expansión para conectarla a una MCU (Arduino). En la placa se han montado módulos de comunicación inalámbrica (Wi-Fi y Bluetooth®) junto con una memoria EEPROM de 64kbit, y al conectar unidades como sensores y acoplarlas al equipo de destino será posible verificar los efectos del chip AI desde una pantalla. Esta placa de evaluación será prestada por el departamento de ventas de ROHM. Por favor, póngase en contacto con nosotros para obtener más información.

Vídeo de demostración del chip de IA
Está disponible un vídeo de demostración que muestra este chip AI utilizado con la placa de evaluación.


*Aprendizaje en el dispositivo: Ejecución del aprendizaje y la inferencia en el mismo chip de IA.
*TinyMicon MatisseCORE™ es una marca comercial o marca registrada de ROHM Co.
*Bluetooth® es una marca comercial o registrada de Bluetooth SIG, Inc.

Más información

Articulos Electrónica Relacionados

Edicion Revista Impresa

1ww   

Para recibir la edición impresa o en PDF durante 1 año (10 ediciones)

Suscripción papel: 180,00.- €  (IVA inc.)

Suscripción PDF: 60,00.- € (IVA inc)

Noticias Populares Electrónica

Dispositivo de gestión de la alimentación tolerante a la radiación para aplicaciones espaciales en órbita terrestre baja

La comercialización de la región LEO (órbita terrestre baja) está transformando la exploración espacial y la comunicación por satélite a unos 2.000...

CI FT4232HA USB-to-UART/MPSSE de FTDI Chip con compatibilidad USB de alta velocidad

Mouser dispone ya en stock del CI FT4232HA USB-to-UART/MPSSE de alta velocidad de FTDI Chip. El FT4232HA es un conversor con cualificación de...

Circuito integrado Step Down UTC UD32121

Mecter presenta el UD32121 de UTC (Unisonic Technologies Co.), un regulador conmutado step down con un MOSFET de potencia incorporado. Regula...

Circuito integrado Step Down Holtek HT7463A/B

Mecter presenta el HT7463A/B, un convertidor Buck de Holtek. Con un amplio rango de entrada de 4,5V a 52V, el HT7463A/B es adecuado para una amplia...

Convertronic

Revista © Convertronic Electrónica Profesional Española.Todos los derechos reservados GM2 Publicaciones Técnicas, S.L.
Tel.: +34 91 706 56 69
Poema Sinfónico, 27. Esc B. Planta 1 Pta 5
28054 (Madrid - SPAIN)
e-mail: gm2@gm2publicacionestecnicas.com ó consultas@convertronic.net

Suscríbete a nuestro boletín de noticias

Revista Española de electrónica. Impresa desde hace más de 25 años.

España - Madrid - Todos los derechos reservados Revista © Convertronic Electrónica Profesional Española
TIC FREAK COMPANY OnServices Sistemas

Search