AI는 진동을 통해 기계의 수명을 예측하고, 환자의 심장 활동을 모니터링하고, 안면 인식 기능을 비디오 감시 시스템에 통합하는 등 다양한 유용한 애플리케이션에 사용됩니다. 단점은 AI 기반이라는 점이다. technology 일반적으로 많은 전력이 필요하며 대부분의 경우 클라우드에 영구적으로 연결되어야 하므로 데이터 보호, IT 보안 및 에너지 사용과 관련된 문제가 발생합니다.
CSEM 엔지니어는 자신이 개발한 새로운 시스템 온 칩 덕분에 이러한 문제를 해결할 수 있는 방법을 찾았을 수 있습니다. 이는 작은 배터리나 작은 태양전지로 작동하며 엣지, 즉 클라우드가 아닌 칩에서 로컬로 AI 작업을 실행합니다. 게다가 이 시스템은 완전히 모듈식이므로 실시간 신호 및 이미지 처리가 필요한 모든 애플리케이션, 특히 민감한 데이터가 관련된 경우에 맞게 맞춤화할 수 있습니다. 엔지니어들은 권위 있는 2021 VLSI에서 자신의 장치를 선보일 예정입니다. 회로 올 XNUMX월 교토에서 심포지엄이 열립니다.
CSEM의 시스템 온칩 연구 책임자는“예를 들어 우리 시스템이 얼굴 인식 애플리케이션에 사용될 때 첫 번째 가속기는 다음과 같은 예비 질문에 답할 것입니다. 이미지에 사람이 있습니까? 그렇다면 그들의 얼굴이 보이나요?”. 시스템이 음성 인식에 사용되는 경우 첫 번째 가속기는 소음이 있는지 여부와 그 소음이 사람의 목소리에 해당하는지 여부를 확인합니다. 그러나 특정 목소리 나 단어를 알아낼 수는 없습니다. 여기에서 두 번째 액셀러레이터가 필요합니다.”
두 번째 가속기는 CNN (Convolutional Neural Network) 엔진으로, 개별 얼굴을 인식하고 특정 단어를 감지하는보다 복잡한 작업을 수행 할 수 있지만 더 많은 에너지를 소비합니다. 이 XNUMX 계층 데이터 처리 방식은 대부분의 경우 첫 번째 가속기 만 실행되기 때문에 시스템의 전력 요구 사항을 크게 줄입니다.
연구의 일환으로 엔지니어는 가속기 자체의 성능을 향상시켜 시간 기반 신호 및 이미지 처리가 필요한 모든 애플리케이션에 적용 할 수 있도록했습니다. Researcher는“우리 시스템은 응용 프로그램에 관계없이 기본적으로 동일한 방식으로 작동합니다. "CNN 엔진의 다양한 계층을 재구성하면됩니다."
CSEM의 혁신은 XNUMX 년 이상 독립적으로 실행할 수있는 프로세서를 갖춘 완전히 새로운 세대의 장치에 대한 문을 열어줍니다. 또한 이러한 장치의 설치 및 유지 관리 비용을 대폭 절감하고 장치를 변경하기 어려운 곳에서 사용할 수 있습니다. 배터리.