AI は、振動による機械の寿命の予測、患者の心臓活動の監視、ビデオ監視システムへの顔認識機能の組み込みなど、さまざまな有用なアプリケーションで使用されています。 欠点はAIベースであることです テクノロジー 一般に大量の電力を必要とし、ほとんどの場合、クラウドに永続的に接続する必要があるため、データ保護、IT セキュリティ、エネルギー使用に関する問題が生じます。
CSEM エンジニアは、開発した新しいシステムオンチップのおかげで、これらの問題を回避する方法を見つけたかもしれません。これは小さなバッテリーまたは小さな太陽電池で動作し、エッジで AI 操作を実行します。つまり、クラウドではなくチップ上でローカルに実行されます。さらに、同社のシステムは完全にモジュール式であり、特に機密データが関係する場合に、リアルタイムの信号および画像処理が必要なあらゆるアプリケーションに合わせて調整できます。エンジニアは名誉ある 2021 VLSI でデバイスを発表します サーキット 今年6月に京都でシンポジウム。
CSEMのシステムオンチップ研究の責任者は次のように述べています。「たとえば、私たちのシステムが顔認識アプリケーションで使用される場合、最初のアクセラレータは次のような予備的な質問に答えます。画像に人がいますか？ もしそうなら、彼らの顔は見えますか？」 私たちのシステムが音声認識で使用されている場合、最初のアクセラレータは、ノイズが存在するかどうか、およびそのノイズが人間の声に対応しているかどうかを判断します。 しかし、特定の声や言葉を理解することはできません。そこで、XNUMX番目のアクセラレータが登場します。」
XNUMX番目のアクセラレータは畳み込みニューラルネットワーク（CNN）エンジンであり、個々の顔の認識や特定の単語の検出など、これらのより複雑なタスクを実行できますが、より多くのエネルギーを消費します。 このXNUMX層のデータ処理アプローチでは、ほとんどの場合、最初のアクセラレータのみが実行されているため、システムの電力要件が大幅に削減されます。
研究の一環として、エンジニアはアクセラレータ自体のパフォーマンスを向上させ、時間ベースの信号および画像処理が必要なあらゆるアプリケーションに適応できるようにしました。 「私たちのシステムは、アプリケーションに関係なく基本的に同じように機能します」と研究者は言います。 「CNNエンジンのさまざまなレイヤーを再構成する必要があります。」
CSEMの革新により、XNUMX年以上独立して実行できるプロセッサを搭載したまったく新しい世代のデバイスへの扉が開かれます。 また、そのようなデバイスの設置および保守コストを大幅に削減し、変更が困難な場所での使用を可能にします。 バッテリー.