Ambiq bringt Ultra-Low-Power-Prozessoren für Neuronale Netze am Edge

| Redakteur: Michael Eckstein

Maschinelles Lernen: Extrem stromsparende "Sub-Threshold Voltage"-SoCs könnten neuronale Netze in Edge-Geräten pushen - zum Beispiel Wearables.
Maschinelles Lernen: Extrem stromsparende "Sub-Threshold Voltage"-SoCs könnten neuronale Netze in Edge-Geräten pushen - zum Beispiel Wearables. (Bild: gemeinfrei / CC0)

Der Einsatz neuronaler Netze im Edge wird immer interessanter – erfordert jedoch extrem stromsparende SoCs und Prozessoren. Ambiq Micro will mit seiner „Sub-Threshold“-Technologie Lösungen liefern.

Spracherkennung, Schlüsselworterkennung, Geräuschunterdrückung (Noise Reduction), Beamforming (Antennensteuerung) und mehr – der Bedarf an lernfähigen Lösungen im Netzwerkzugangsbereich (Edge) nimmt zu. Das Problem: Maschinelles Lernen erfordert verhältnismäßig viel Rechenleistung, was der Standzeit batteriebetriebener Geräte diametral entgegenläuft. Mit bisherigen Prozessorplattformen seien daher bislang nur einfache neuronale Netze für Edge-Applikationen realisierbar, führt Scott Hanson in einer Präsentation aus: „Beispielsweise ist die Cortex-M4-Plattform von Arm, die in vielen Wearables zum Einsatz kommt, nicht für maschinelles Lernen optimiert.“

Hanson ist CTO von Ambiq Micro, einem Chip-Designer aus Austin im US-Bundesstaat Texas, dessen Ultra-Low-Power-Chips auf dem „Sub-Threshold Voltage“-(STV)-Design basieren und mit sehr wenig Energie auskommen. Ambiq beansprucht für sich die Pionierrolle als erstes Unternehmen, das das STV-Design für kommerziell erhältliche Prozessoren nutzbar gemacht hat. Mit seinen Chips will das Unternehmen, das wie die meisten über keine eigene Fertigung verfügt, verstärkt ML-am-Edge-Anwendungen adressieren.

Ultra-Low-Power für neuronale Netze am Edge

Das Sub-Threshold-Design ist mittlerweile rund 30 Jahre alt. Während beim normalen IC-Schaltungsdesign mit einem Spannungspegel von 1,2 V gearbeitet wird, reicht dem ST-Design 0,3 V zum Schalten der Transistoren. Da die Energieaufnahme sich proportional zum Quadrat der Spannung verhält, kommt ein solches Design im Vergleich mit sehr wenig Energie aus. Allerdings begrenzt die niedrige Schaltschwelle die mögliche Taktfrequenz, was wiederum der erreichbaren Rechenleistung entgegenläuft.

Der Bedarf an Rechenkapazität am Edge nimmt schnell zu. Wearables sammeln immer mehr Daten, die von zahlreichen Sensoren generiert werden. Beschleunigungsmesser und Gyratoren für das Erkennen von Bewegungen, Aktivitäten erzeugen rund 70 kB pro Minute, Puls- und Blutdrucksensoren rund 40 kB/min, ein Mikrofon zum Erkennen von Schlüsselwörtern, Umgebungsgeräuschen oder auch Atmung erzeugt je nach Auflösung des eingesetzten AD-Wandlers noch viel größere zu verarbeitende Datenmengen.

Wachsendes Datenaufkommen intelligent am Edge verarbeiten

Alle Daten lokal zu speichern, ist oft nicht sinnvoll. Immer mehr Applikationen wollen die Informationen gleich „intelligent“ auswerten. Das kann per Cloud-Computing erfolgen. Allerdings müssen dafür die Daten permanent per Funk in die Cloud gelangen – was wiederum viel Energie benötigt und einer langen Batteriestandzeit entgegenwirkt.

Hinzu kommt: Während sich Kernfaktoren von Computersystemen – etwa Prozessorleistung, Festspeicherkapazität (HDD und Flash), Arbeitsspeicher und Geschwindigkeit der Funkkommunikation – sich in den letzten 20 Jahren rasant entwickelt haben, verharrt die Energiedichte in Batterien auf zu niedrigem Niveau. Daher könnten extrem energieeffiziente Prozessordesigns ein Schlüssel für ML in Edge-Devices sein: Wenn das maschinelle Lernen direkt im Endgerät erfolgt, müssen tendenziell viel weniger Daten übertragen werden.

Gegenüber der EE Times sagte Hanson, dass seine Firma ein neues Produkt entwickelt, das für ein breites Spektrum an Rechenlasten ausgelegt sein wird – inklusive neuronalen Netzen in Edge-Anwendungen. Hochintegrierte SoCs für Embedded-Systeme müssten in der Lage sein, Sensorrohdaten aufzubereiten, maschinell zu lernen sowie Kommunikations- und Power-Management-Aufgaben zu übernehmen. Derzeit befinde man sich mitten im Design-Prozess, erste Produkte „sollen bald an Kunden ausgeliefert werden“.

Programmierbare TI-SimpleLink-MCU mit FRAM

Programmierbare TI-SimpleLink-MCU mit FRAM

04.07.18 - Mikrocontroller von Texas Instruments mit konfigurierbaren Signalketten-Elementen lassen sich flexibel an unterschiedliche Applikationen anpassen. lesen

E-Commerce-Gigant Alibaba schluckt chinesische IoT-Prozessor-Firma C-Sky

E-Commerce-Gigant Alibaba schluckt chinesische IoT-Prozessor-Firma C-Sky

24.04.18 - Das auf Embedded-Prozessoren spezialisierte IP-Entwicklungsunternehmen C-Sky Microsystems hat einen neuen Eigner: den E-Commerce-Riesen Alibaba. Beide Firmen haben ihren Hauptsitz im chinesischen Hangzhou – und arbeiten bereits an neuen IoT-Lösungen. lesen

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45399145 / Mikrocontroller & Prozessoren)