El Máxima MAX78000 es una nueva generación de microcontroladores de inteligencia artificial construida para facilitar que las redes neuronales se ejecuten a una potencia ultrabaja y vivan en el borde del IoT. Este producto, disponible ahora en RS Components, combina el procesamiento de IA con mayor eficiencia energética con sus microcontroladores probados de ultra baja potencia. El acelerador de red neuronal convolucional basado en hardware permite que las aplicaciones alimentadas por baterías ejecuten inferencias de IA mientras consumen solo microjulios de energía.
El dispositivo es un SoC avanzado que presenta un Arm Cortex-M4 con CPU FPU para un control eficiente del sistema con un acelerador de red neuronal profunda de ultra baja potencia. El motor CNN ofrece una memoria de almacenamiento de peso de 442 KB y puede admitir pesos de 1, 2, 4 y 8 bits (admite redes de hasta 3.5 millones de pesos). La memoria de peso de CNN está basada en SRAM, por lo que las actualizaciones de la red de IA se pueden realizar sobre la marcha. El motor CNN también ofrece 512 KB de memoria de datos. La arquitectura de CNN es extremadamente flexible, lo que permite que las redes se entrenen en conjuntos de herramientas convencionales como PyTorch y TensorFlow, y luego se conviertan para su ejecución en el dispositivo utilizando las herramientas proporcionadas.
Además de la memoria en el motor CNN, el dispositivo proporciona una gran memoria de sistema en chip para el núcleo del microcontrolador, con memoria flash de 512 KB y hasta 128 KB de SRAM. Se admiten varias interfaces de comunicaciones de alta velocidad y baja potencia, incluidas I2S y una interfaz de cámara paralela.
El dispositivo se proporciona en paquetes CTBGA de 81 pines (8 mm x 8 mm, paso de 0.8 mm) y WLP de 130 pines (4.6 mm x 3.7 mm, paso de 0.35 mm).
Las áreas de aplicación típicas incluyen la detección y clasificación de objetos; procesamiento de audio: reconocimiento de múltiples palabras clave, clasificación de sonido, cancelación de ruido; reconocimiento facial; y procesamiento de datos de series de tiempo: análisis de señales de salud / frecuencia cardíaca,sensor análisis, mantenimiento predictivo.