Você está visualizando atualmente MAX78000: Uma nova geração de microcontroladores para Inteligência Artificial
Enquanto que os dispositivos de borda/IoT requerem baixo consumo de energia, a construção do novo microcontrolador MAX78000 permite que as redes neurais sejam executadas em potência ultrabaixa e vivam no limite da IoT.

MAX78000: Uma nova geração de microcontroladores para Inteligência Artificial

Compartilhe

O novo microcontrolador MAX78000 combina o processamento de Inteligência Artificial de alta eficiência energética com os comprovados microcontroladores de potência ultrabaixa da Maxim Integrated.

Os assistentes de áudio se tornaram muito populares em uma variedade de aplicações. O seu uso vai desde produtos domésticos até produtos automotivos, industriais e IoT.

Esses dispositivos -ouvem- constantemente o que está à sua volta. Com palavras-chave pré-treinadas eles executam certos comandos.

O consumo de energia é um fator chave para muitos desses aplicativos de borda.

Como eles têm recursos limitados, a conectividade com a nuvem para processamento de dados brutos não é viável.

Desta forma, é necessário que o uso da inteligência artificial seja viabilizada na borda.

Inteligência Artificial – IA

A IA está abrindo um novo universo de possibilidades, sendo possível implementar desde assistentes virtuais a carros autônomos, equipamentos de fábrica automatizados e reconhecimento de voz em dispositivos de consumo.

A Maxim Integrated apoia essa mudança para um mundo mais inteligente em todos os lugares.  

Sendo assim, podemos encontrar soluções inteligentes em dispositivos IoT e de borda (edge).

Nesse sentido, estes dispositivos estão em todos os mercados. como por exemplo, no mercado industrial, médico, agronegócios, e smarthome.

 Tais soluções podem estar presentes em:

  • Soluções eficientes de gerenciamento de energia que suportam servidores de datacenter para aprendizado de máquina baseado em nuvem
  • Sensores e produtos de cadeia de sinal permitem a coleta de dados de baixo consumo para aprendizado e inferência
  • Produtos de comunicação robustos que permitem que a IoT Industrial (IIoT) aproveite a IA
  • E uma família de microcontroladores Arm® Cortex®-M4F de baixo consumo oferece muita memória para implementar redes neurais na borda (edge)

Além disso, a Maxim também está habilitando a IA na borda de uma forma inesperada: fornecendo o hardware de inferência de potência mais baixa absoluta.

Assim, é possível fazer inferências de IA mais complexas com a energia da bateria.

A arquitetura exclusiva da Maxim elimina o processamento da CPU, bem como, minimiza o gasto de energia para fazer inferências rodando centenas de vezes mais rápido, quando executado em um microcontrolador convencional.

Ou seja, com a tecnologia da Maxim, utilizar IA na borda é possível em qualquer lugar.

Neste sentido, o MAX78000 é uma nova geração de microcontroladores de Inteligência Artificial. Foi construída para permitir que as redes neurais sejam executadas em potência ultrabaixa e vivam no limite da IoT.

Aplicações

O acelerador para Redes Neurais Convolucionais MAX78000 é indicado para aplicações como:

  • Detecção e classificação de objetos
  • Reconhecimento facial
  • Processamento de áudio: reconhecimento de várias palavras-chave/comandos, classificação de som, cancelamento de ruído
  • Processamento de dados de série temporal: frequência cardíaca / análise de sinal de saúde, análise multissensor, manutenção preditiva

Ele integra um Neural Network Accelerator, um Microcontrolador ARM Cortex- M4F de 100Mhz e um co-processador RISC-V.

Além de interface para câmera, interface I2S para áudio, Boot Seguro, AES engine, TRNG, dentre outras características.

Veja a descrição completa a seguir.

Confira também o Eval Board, ele já vem com câmera e microfone, e vários exemplos de aplicação.

Kit MAX78000 Ev Kit

MAX78000: Acelerador para Redes Neurais Convolucionais

Descrição geral

Visto que a IA requer extrema potência computacional., enquanto que os dispositivos de borda/IoT requerem baixo consumo de energia, a construção do novo microcontrolador MAX78000 permite que as redes neurais sejam executadas em potência ultrabaixa e vivam no limite da IoT.

Este produto combina o processamento de Inteligência Artificial de alta eficiência energética com os comprovados microcontroladores de potência ultrabaixa da Maxim.

O acelerador de rede neural convolucional (CNN) baseado em hardware permite que aplicativos alimentados por bateria executem inferências de IA gastando apenas microjoules de energia.

O MAX78000 é um system-on-chip avançado apresentando um Arm® Cortex®-M4 com CPU FPU.

Sendo assim, possibilita o controle eficiente do sistema com um acelerador de rede neural profunda (deep neural network) de ultra-baixa potência.

O mecanismo CNN tem uma memória de armazenamento de peso de 442 KB e pode suportar pesos de 1, 2, 4 e 8 bits (suportando redes de até 3,5 milhões de pesos).

A memória de peso CNN é baseada em SRAM, de modo que as atualizações da rede AI podem ser feitas em tempo real.

O mecanismo CNN também possui 512 KB de memória de dados. A arquitetura CNN é altamente flexível, permitindo que as redes sejam treinadas em conjuntos de ferramentas convencionais, como PyTorch e TensorFlow®.

Depois disso, elas são convertidas para execução no MAX78000 usando as ferramentas fornecidas pela Maxim.

Além da memória no motor CNN, o MAX78000 possui grande memória de sistema on-chip para o núcleo do microcontrolador, com flash de 512 KB e SRAM de até 128 KB.

Várias interfaces de comunicação de alta velocidade e baixa potência são suportadas, incluindo I2S e uma interface de câmera paralela (PCIF).

O dispositivo está disponível em pacotes CTBGA de 81 pinos (8 mm x 8 mm, step de 0,8 mm) e WLP de 130 pinos (4,6 mm x 3,7 mm, step de 0,35 mm).

Benefícios e Características

  • Dual Core Ultra-Low-Power Microcontroller
    • Arm Cortex-M4 Processor with FPU Up to 100MHz
    • 512KB Flash and 128KB SRAM
    • Optimized Performance with 16KB Instruction Cache
    • Optional Error Correction Code (ECC-SEC-DED) for SRAM
    • 32-Bit RISC-V Coprocessor up to 60MHz
    • Up to 52 General-Purpose I/O Pins
    • 12-Bit Parallel Camera Interface
    • One I2S Master/Slave for Digital Audio Interface
  • Neural Network Accelerator
    • Highly Optimaized for Deep Convolutional Neural Networks​​
    • 442k 8bit Weight Capacity with 1,2,4,8-bit Weights
    • Programmable Input Image Size up to 1024 x 1024 pixels
    • Programmable Network Depth up to 64 Layers
    • Programmable per Layer Network Channel Widths up to 1024 Channels
    • 1 and 2 Dimensional Convolution Processing
    • Streaming Mode
    • Flexibility to Support Other Network Types, Including MLP and Recurrent Neural Networks
  • Power Management Maximizes Operating Time for Battery Applications
    • Integrated Single-Inductor Multiple-Output (SIMO) Switch-Mode Power Supply (SMPS)
    • 2.0V to 3.6V SIMO Supply Voltage Range
    • Dynamic Voltage Scaling Minimizes Active Core Power Consumption
    • 22.2μA/MHz While Loop Execution at 3.0V from Cache (CM4 only)
    • Selectable SRAM Retention in Low-Power Modes with Real-Time Clock (RTC) Enabled
  • Security and Integrity
    • Available Secure Boot
    • AES 128/192/256 Hardware Acceleration Engine
    • True Random Number Generator (TRNG) Seed Generator

Veja o caso da implementação de um aplicativo de localização de palavras-chave no MAX78000.

O modelo de aprendizado de máquina é construído com o fluxo de desenvolvimento da Maxim no PyTorch.

Ele foi treinado com um subconjunto do conjunto de dados de comando de voz do Google com 20 palavras-chave e implantado no MAX78000EVKIT.

Saiba mais Aqui.

Microcontroladores IA Maxim

Compartilhe

Franciele Nornberg

Mestre em Engenharia Elétrica pela UFSC (2019), graduada em Engenharia Elétrica pelo IFSul em 2017. Trabalha na Macnica DHW desde 2019. Seu conhecimento técnico somado a utilização das boas práticas de copywriter são responsáveis pelos excelentes conteúdos divulgados no blog da Macnica. Franciele é também Instrutora Autorizada FPGA Intel e portanto, responsável pelo Treinamento FPGA Intel.