I chip per l'intelligenza artificiale (IA) in genere eseguono processi di apprendimento e inferenza per realizzare funzioni di intelligenza artificiale. Poiché l'apprendimento richiede l'acquisizione di una grande quantità di dati, la loro compilazione in un database e il loro aggiornamento secondo necessità, il chip IA che esegue l'apprendimento necessita di una notevole potenza di calcolo, che necessariamente consuma una quantità significativa di energia. Finora, è stato difficile sviluppare chip IA in grado di apprendere in tempo reale consumando una quantità minima di energia, consentendo così ai computer edge e ai dispositivi endpoint di costruire un ecosistema IoT efficiente.
Basato su un "algoritmo di apprendimento on-device" sviluppato dal professor Matsutani dell'Università di Keio, il nuovo chip AI sviluppato da ROHM è costituito principalmente da un acceleratore AI (un circuito hardware dedicato all'IA) e dalla CPU "tinyMicon MatisseCORE™" a 8 bit ad alta efficienza di ROHM. La combinazione dell'acceleratore AI ultracompatto a 20.000 gate con una CPU ad alte prestazioni consente l'apprendimento e l'inferenza con un consumo energetico estremamente basso, pari a poche decine di mW (1.000 volte inferiore rispetto a quello dei chip AI convenzionali in grado di apprendere). Ciò permette la previsione dei guasti in tempo reale in un'ampia gamma di applicazioni, poiché i "risultati del rilevamento delle anomalie (punteggi di anomalia)" possono essere generati numericamente per dati di input sconosciuti direttamente sul luogo di installazione dell'apparecchiatura, senza la necessità di un server cloud.
In futuro, ROHM prevede di integrare l'acceleratore AI utilizzato in questo chip AI in diversi prodotti IC per motori e sensori. La commercializzazione dovrebbe iniziare nel 2023, con la produzione di massa prevista per il 2024.
Il professor Hiroki Matsutani, del Dipartimento di Informatica e Scienze Informatiche dell'Università Keio, in Giappone
, ha dichiarato: "Con l'avanzare delle tecnologie IoT, come la comunicazione 5G e i gemelli digitali, il cloud computing dovrà evolversi, ma elaborare tutti i dati sui server cloud non è sempre la soluzione migliore in termini di carico, costi e consumo energetico. Con l'apprendimento on-device che studiamo e con gli algoritmi di apprendimento on-device che sviluppiamo, puntiamo a ottenere un'elaborazione dei dati più efficiente in periferia per costruire un ecosistema IoT migliore. Attraverso questa collaborazione, ROHM ci ha mostrato la strada per una commercializzazione economicamente vantaggiosa, promuovendo la tecnologia dei circuiti di apprendimento on-device. Spero che il prototipo di chip AI venga integrato nei prodotti IC di ROHM nel prossimo futuro."
Informazioni su tinyMicon MatisseCORE™:
tinyMicon MatisseCORE™ (Matisse: unità microaritmetica sequenziatrice di dimensioni ridotte) è la CPU a 8 bit proprietaria di ROHM, sviluppata per rendere i circuiti integrati analogici più intelligenti per l'ecosistema IoT. Un set di istruzioni ottimizzato per applicazioni embedded, insieme alla più recente tecnologia di compilazione, offre un'elaborazione aritmetica veloce in un'area del chip e dimensioni del codice di programma ridotte. Supporta inoltre applicazioni ad alta affidabilità, come quelle che richiedono la qualificazione secondo gli standard di sicurezza funzionale dei veicoli ISO 26262 e ASIL-D, mentre la funzione di debug in tempo reale brevettata integrata impedisce che il processo di debug interferisca con il funzionamento del programma, consentendo di eseguire il debug mentre l'applicazione è in esecuzione.
Dettagli del chip AI di ROHM (SoC con acceleratore AI per l'apprendimento integrato)
Il prototipo di chip AI (codice prototipo BD15035) si basa su un algoritmo di apprendimento integrato (circuito AI a rete neurale a tre strati) sviluppato dal Professor Matsutani dell'Università di Keio. ROHM ha ridotto il circuito AI da 5 milioni di gate a soli 20.000 (0,4% delle dimensioni) per riconfigurarlo e commercializzarlo come acceleratore AI proprietario (AxlCORE-ODL) controllato dalla CPU tinyMicon MatisseCORE™ a 8 bit ad alta efficienza di ROHM, consentendo l'apprendimento e l'inferenza AI con un consumo energetico estremamente basso di poche decine di mW. Ciò consente di generare risultati numerici di "rilevamento delle anomalie" per modelli di dati di input sconosciuti (ad esempio, accelerazione, corrente, luminosità, voce) nel luogo in cui è installata l'apparecchiatura, senza coinvolgere un server cloud o richiedere un apprendimento preliminare dell'IA, consentendo la previsione dei guasti in tempo reale (rilevamento predittivo dei segnali di guasto) tramite IA in loco, mantenendo bassi i costi del server cloud e delle comunicazioni.
Per valutare il chip AI, offriamo una scheda di valutazione dotata di terminali compatibili con Arduino. A questa scheda è possibile collegare una scheda di espansione con sensori per la connessione a un microcontrollore (MCU) Arduino. La scheda include moduli di comunicazione wireless (Wi-Fi e Bluetooth®) e una EEPROM da 64 kbit. Collegando i sensori e la scheda al dispositivo di destinazione, è possibile verificare gli effetti del chip AI su uno schermo. Questa scheda di valutazione sarà fornita dal reparto vendite di ROHM. Per ulteriori informazioni, non esitate a contattarci.
Video dimostrativo del chip AI:
è disponibile un video dimostrativo che mostra questo chip AI utilizzato con la scheda di valutazione.
*Apprendimento sul dispositivo: esecuzione dell'apprendimento e dell'inferenza sullo stesso chip AI.
*TinyMicon MatisseCORE™ è un marchio commerciale o un marchio registrato di ROHM Co.
*Bluetooth® è un marchio commerciale o un marchio registrato di Bluetooth SIG, Inc.
