Um KI-Inferenzen an den Netzwerkrand (Edge) zu bringen, wurden Daten von Sensoren, Kameras und Mikrofonen gesammelt und an die Cloud gesendet. Dort wurde eine Schlussfolgerung (Inferenz) gezogen und als Antwort zurück zur Edge gesendet. Diese Architektur bedingt jedoch laut Maxim schlechte Latenzzeiten und einen hohen Energiebedarf. Werden alternativ Mikrocontroller mit niedriger Leistungsaufnahme zur Implementierung einfacher neuronaler Netzwerke verwendet, leidet dabei die Latenz und es können nur einfache Aufgaben an der Edge ausgeführt werden.


Das neuronale Netzwerk beschleunigen

Durch die Integration eines dedizierten neuronalen Netzwerkbeschleunigers mit zwei verschiedenen Mikrocontroller-Kernen soll MAX78000 diese Einschränkungen aufheben. Er ermöglicht es Maschinen, komplexe Muster optisch und akustisch wahrzunehmen – mit lokaler und in Echtzeit ausgeführter KI-Verarbeitung bei geringer Leistungsaufnahme. Anwendungen wie industrielle Bildverarbeitung, Audio- und Gesichtserkennung können effizienter gestaltet werden, da der MAX78000 Inferenzen mit weniger als einem Hundertstel der von einem Mikrocontroller benötigten Energie ausführen kann.

Herzstück des Bausteins ist eine Hardware, die darauf ausgelegt ist, die Leistungsaufnahme und die Latenzzeit von Convolutional Neural Networks (CNN) zu minimieren. Diese Hardware läuft, ohne dass die Mikrocontroller-Kerne stark eingreifen müssen. Energie und Zeit werden nur für die mathematischen Operationen aufgewendet, die ein CNN implementieren. Um externe Daten effizient in die CNN-Engine zu übertragen, können Anwender einen der beiden integrierten Mikrocontroller-Kerne verwenden: den Ultra-Low Power Arm Cortex-M4-Kern oder den RISC-V-Kern mit einer noch niedrigeren Leistungsaufnahme.


Entwicklungsunterstützung

Für die anspruchsvolle KI-Entwicklung stellt Maxim Integrated Tools für Evaluierung und Entwicklung zur Verfügung. Das MAX78000EVKIT# enthält Audio- und Kameraeingänge sowie sofort einsatzbereite Demos für das Keyword Spotting und die Gesichtserkennung. Eine Dokumentation hilft Entwicklern, Netzwerke für den MAX78000 mit den für sie gewohnten Tools wie TensorFlow oder PyTorch zu trainieren. Das MAX78000EVKIT# Evaluation Kit ist für 168 US-Dollar verfügbar.