人工智能被用于一系列有用的应用,如通过机器的振动来预测机器的使用寿命,监测病人的心脏活动,并将面部识别功能纳入视频监控系统。缺点是基于人工智能的技术通常需要大量的电力,而且在大多数情况下,必须永久连接到云端,这就引发了与数据保护、IT安全和能源使用有关的问题。

CSEM开发新型片上系统,可降低人工智能芯片能源消耗

CSEM的工程师们可能已经找到了解决这些问题的方法,这要归功于他们开发的一个新的片上系统。它在一个微小的电池或小型太阳能电池上运行,并在边缘执行人工智能操作,即在芯片本地而不是在云端。更重要的是,他们的系统是完全模块化的,可以为任何需要实时信号和图像处理的应用量身定做,特别是涉及敏感数据时。工程师们将在今年6月京都举行的著名的2021年超大规模集成电路研讨会上展示他们的设备。


CSEM片上系统通过一个全新的信号处理架构工作,最大限度地减少了所需的功率。它由一个带有RISC-V处理器(也是由CSEM开发)的ASIC芯片和两个紧密耦合的机器学习加速器组成:例如,一个用于人脸检测,一个用于分类。第一个是一个二进制决策树(BDT)引擎,可以执行简单的任务,但不能进行识别操作。


例如,当我们的系统用于面部识别应用时,第一个加速器将回答一些初步问题,如:图像中有人吗?如果是这样的话,他们的脸是看得见的吗?CSEM系统芯片研究主管phane Emery说如果我们的系统用于语音识别,第一个加速器将确定是否存在噪音,以及噪音是否与人声对应。但它无法分辨出第二个加速器的具体声音或文字。


第二个加速器是一个卷积神经网络(CNN)引擎,它可以执行这些更复杂的任务,识别单个人脸和检测特定单词,但它也会消耗更多能量。这种两级数据处理方法大大降低了系统的电力需求,因为大部分时间只有第一个加速器在运行。

CSEM开发新型片上系统,可降低人工智能芯片能源消耗

该集成电路可以进行复杂的人工智能操作,如面部、语音和手势识别以及心脏监测。资料来源:CSEM


作为研究的一部分,工程师们增强了加速器本身的性能,使它们能够适应任何需要基于时间的信号和图像处理的应用。"我们的系统基本上以相同的方式工作,不管是什么应用,我们只需要重新配置我们的CNN引擎的各个层。"Emery说。


CSEM的创新为全新一代的设备打开了大门,这些设备的处理器可以独立运行一年以上。它还大幅降低了此类设备的安装和维护成本,并使它们能够在难以更换电池的地方使用。


免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~