Чипы искусственного интеллекта обычно выполняют обучение и вывод информации для реализации функций искусственного интеллекта. Поскольку обучение требует сбора большого объема данных, их компиляции в базу данных и обновления по мере необходимости, чип ИИ, выполняющий обучение, требует значительной вычислительной мощности, что неизбежно потребляет значительное количество энергии. До сих пор было сложно разработать чипы ИИ, способные обучаться в режиме реального времени при минимальном энергопотреблении, что позволило бы периферийным компьютерам и конечным устройствам создать эффективную экосистему Интернета вещей.
Новый чип искусственного интеллекта от ROHM, основанный на «алгоритме обучения на устройстве», разработанном профессором Мацутани из Университета Кейо, состоит в основном из ускорителя ИИ (специальной аппаратной схемы ИИ) и высокоэффективного 8-битного процессора ROHM «tinyMicon MatisseCORE™». Сочетание сверхкомпактного ускорителя ИИ с 20 000 вентилями и высокопроизводительного процессора позволяет осуществлять обучение и вывод с чрезвычайно низким энергопотреблением, всего несколько десятков мВт (в 1000 раз ниже, чем у обычных чипов ИИ, способных к обучению). Это позволяет прогнозировать неисправности в реальном времени в широком диапазоне приложений, поскольку «результаты обнаружения аномалий (оценки аномалий)» могут быть численно выведены для неизвестных входных данных на месте установки оборудования без использования облачного сервера.
В будущем компания ROHM планирует интегрировать используемый в этом чипе ИИ ускоритель в различные интегральные схемы для двигателей и датчиков. Начало коммерциализации ожидается в 2023 году, а серийное производство запланировано на 2024 год.
Профессор Хироки Мацутани, кафедра информатики и компьютерных наук, Университет Кейо, Япония
: «По мере развития технологий Интернета вещей, таких как связь 5G и цифровые двойники, облачные вычисления должны будут развиваться, но обработка всех данных на облачных серверах не всегда является оптимальным решением с точки зрения нагрузки, стоимости и энергопотребления. С помощью исследований в области машинного обучения и разрабатываемых нами алгоритмов машинного обучения мы стремимся к более эффективной обработке данных на периферии сети для создания лучшей экосистемы Интернета вещей. Благодаря этому сотрудничеству компания ROHM показала нам путь к экономически эффективной коммерциализации, развивая технологию схем машинного обучения. Я надеюсь, что прототип чипа с искусственным интеллектом будет интегрирован в продукцию ROHM в ближайшем будущем».
О tinyMicon MatisseCORE™:
tinyMicon MatisseCORE™ (Matisse: микроарифметический блок секвенсора миниатюрного размера) — это запатентованный 8-битный процессор компании ROHM, разработанный для повышения интеллектуальности аналоговых интегральных схем в экосистеме Интернета вещей. Набор инструкций, оптимизированный для встроенных приложений, в сочетании с новейшими технологиями компиляторов обеспечивает быструю арифметическую обработку на меньшей площади микросхемы и с меньшим размером программного кода. Он также поддерживает высоконадежные приложения, такие как приложения, требующие квалификации в соответствии со стандартами функциональной безопасности транспортных средств ISO 26262 и ASIL-D, а запатентованная встроенная функция отладки в реальном времени предотвращает вмешательство процесса отладки в работу программы, позволяя выполнять отладку во время работы приложения.
Подробности о чипе ROHM AI (SoC с встроенным ускорителем обучения ИИ):
Прототип чипа AI (номер прототипа BD15035) основан на алгоритме обучения ИИ (трехслойная нейронная сеть с ИИ), разработанном профессором Мацутани из Университета Кейо. Компания ROHM сократила количество элементов в схеме ИИ с 5 миллионов до всего 20 000 (0,4% от размера), чтобы переконфигурировать и вывести ее на рынок как собственный ускоритель ИИ (AxlCORE-ODL), управляемый высокоэффективным 8-битным процессором tinyMicon MatisseCORE™ от ROHM, что позволяет осуществлять обучение и вывод данных ИИ со сверхнизким энергопотреблением всего в несколько десятков мВт. Это позволяет получать числовые результаты «обнаружения аномалий» для неизвестных шаблонов входных данных (например, ускорение, ток, яркость, голос) непосредственно в месте установки оборудования без использования облачного сервера или предварительного обучения ИИ, что обеспечивает прогнозирование неисправностей в реальном времени (прогнозируемое обнаружение сигналов неисправностей) с помощью ИИ на месте, сохраняя при этом низкие затраты на облачный сервер и связь.
Для оценки работы чипа ИИ мы предлагаем оценочную плату, оснащенную Arduino-совместимыми разъемами. К этой плате можно подключить плату расширения для датчиков, предназначенную для подключения к микроконтроллеру Arduino (MCU). Плата включает в себя модули беспроводной связи (Wi-Fi и Bluetooth®) вместе с 64-килобитной EEPROM. Подключив датчики и связав плату с целевым устройством, вы сможете проверить работу чипа ИИ на экране. Эта оценочная плата будет предоставлена отделом продаж ROHM. Для получения дополнительной информации, пожалуйста, свяжитесь с нами.
Демонстрационное видео чипа искусственного интеллекта.
Доступно демонстрационное видео, показывающее использование этого чипа ИИ с оценочной платой.
*Обучение на устройстве: выполнение обучения и вывода результатов на одном и том же чипе ИИ.
*TinyMicon MatisseCORE™ является товарным знаком или зарегистрированным товарным знаком компании ROHM Co.
*Bluetooth® является товарным знаком или зарегистрированным товарным знаком компании Bluetooth SIG, Inc.
