ब्रेनचिप एआई, मशीन लर्निंग इन स्पेस एंड टाइम विथ बायो-इंस्पायर्ड न्यूरल नेटवर्क्स का विस्तार करता है

एम्बेडेड एज उत्पाद परिदृश्य में कृत्रिम बुद्धिमत्ता और मशीन लर्निंग (एआई/एमएल) प्रोसेसर और कोप्रोसेसर के साथ, उच्च-प्रदर्शन तकनीक के लिए खोज जारी है जो बहुत कम बिजली की खपत के साथ एआई/एमएल मॉडल की एक विस्तृत श्रृंखला चला सकती है। Brainchip कुछ समय के लिए अद्वितीय, जैव-प्रेरित अकीदा लाइन की लाइसेंस योग्य, कॉन्फ़िगर करने योग्य तंत्रिका प्रसंस्करण IP की एक पंक्ति का विपणन कर रहा है। कंपनी के सिंथेसाइज़ेबल आईपी को ऑन-चिप सीपीयू कोप्रोसेसर के रूप में एआई/एमएल वर्कलोड को कुशलतापूर्वक लागू करने के लिए डिज़ाइन किया गया है जो कम सीपीयू हस्तक्षेप की मांग करता है। अब, कंपनी ने अपनी दूसरी पीढ़ी की अकिडा एआई/एमएल न्यूरल-प्रोसेसिंग कोप्रोसेसर आर्किटेक्चर पेश की है, जो पहली पीढ़ी के आईपी आर्किटेक्चर में कई तरीकों से सुधार करता है।

कंपनी का अकिडा आईपी मानक एआई/एमएल टूल फ्लो के साथ निर्मित मानक न्यूरल-नेटवर्क मॉडल चलाता है, लेकिन यह आईपी विशिष्ट रूप से 100 मिलियन से अधिक वर्षों के विकास में उत्पादित ऊर्जा-कुशल कार्बनिक मस्तिष्क आर्किटेक्चर का लाभ उठाता है, जैव का उपयोग करके संज्ञानात्मक एआई/एमएल प्रसंस्करण को लागू करता है। तंत्रिका प्रसंस्करण के लिए प्रेरित लेकिन पूरी तरह से डिजिटल दृष्टिकोण। यह आज के अधिकांश AI/ML न्यूरल प्रोसेसिंग यूनिट्स (NPUs) में सन्निहित पावर-हंग्री मल्टीप्लायर/एक्यूमुलेटर्स (MACs) के बड़े सरणियों की तुलना में मौलिक रूप से भिन्न डिज़ाइन दृष्टिकोण है। एआई/एमएल प्रसंस्करण के लिए ब्रेनचिप के अद्वितीय डिजाइन दृष्टिकोण के परिणामस्वरूप, कंपनी का अकिडा न्यूरल प्रोसेसिंग आईपी मुख्यधारा के एआई/एमएल समाधानों की तुलना में समान या बेहतर सटीकता के साथ वास्तविक समय प्रसंस्करण देने में सक्षम है, लेकिन बिजली की बहुत कम आवश्यकताओं के साथ।

अकिडा आर्किटेक्चर कई एम्बेडेड एज अनुप्रयोगों में एआई/एमएल चुनौतियों की एक विस्तृत श्रृंखला को हल कर सकता है जिनमें निम्न शामिल हैं:

• उच्च या निम्न-रिज़ॉल्यूशन छवियों का उपयोग करके वीडियो ऑब्जेक्ट डिटेक्शन और विज़न ट्रांसफ़ॉर्मर नेटवर्क
• उन्नत अनुक्रम भविष्यवाणी
• वस्तु का पता लगाना, वर्गीकरण और स्थानीयकरण
• महत्वपूर्ण संकेत भविष्यवाणी
• उन्नत ऑडियो वर्गीकरण, जिसमें कीवर्ड स्पॉटिंग और उसके बाद भी शामिल है
• संकेत पहचान
• कंपन विश्लेषण और विसंगति का पता लगाना

ये एप्लिकेशन ऑटोमोटिव, स्मार्ट होम, कंज्यूमर, हेल्थकेयर, डिजिटल सिक्योरिटी और सर्विलांस और इंडस्ट्रियल ऑटोमेशन सहित कई अलग-अलग एम्बेडेड एज मार्केट सेगमेंट में फैले हुए हैं।

एज एआई/एमएल प्रोसेसिंग बनाम क्लाउड-आधारित एआई/एमएल प्रोसेसिंग में वृद्धि करने वाली कई ताकतें हैं। सबसे पहले, क्लाउड-आधारित सेवाएँ चल रहे परिचालन व्यय का प्रतिनिधित्व करती हैं, और वे सेवा लागतें बढ़ रही हैं। उसी समय, क्लाउड-आधारित समाधानों में जवाबदेही और विलंबता की चुनौतियाँ होती हैं जिन्हें कभी-कभी दूर नहीं किया जा सकता है यदि AI / ML प्रसंस्करण क्लाउड तक सीमित हो। केवल एआई/एमएल ही नहीं, बल्कि कई वर्कलोड के लिए क्लाउड-आधारित प्रोसेसिंग के तेजी से बढ़ते उपयोग से यह समस्या और बढ़ गई है, जो डेटा सेंटर सर्वरों पर प्रतिस्पर्धी वर्कलोड को एक-दूसरे के खिलाफ खड़ा कर देता है और इन सर्वरों पर सेंसर डेटा को ट्रांसपोर्ट करने के लिए आवश्यक बुनियादी ढांचे पर बोझ डालता है। एआई/एमएल प्रसंस्करण जो एक एम्बेडेड डिवाइस के लिए स्थानीयकृत है, क्लाउड से अनटेथर है और डिवाइस नेटवर्क से जुड़ा है या नहीं, प्रसंस्करण जारी है, जो असंबद्ध या आंतरायिक रूप से जुड़े अनुप्रयोगों में या खराब कवरेज क्षेत्रों में एक जबरदस्त लाभ हो सकता है।

हालांकि डेटा सेंटर और नेटवर्क स्केलेबल हैं, एआई/एमएल प्रोसेसिंग को एम्बेडेड एज डिवाइसेस में शामिल करने से एक ऐसा समाधान तैयार होता है जो लोड बढ़ने के साथ स्वचालित रूप से स्केल करता है क्योंकि एआई/एमएल प्रोसेसिंग की आवश्यकता वाले अधिक डिवाइस एज में जोड़े जाते हैं, अधिक एआई/एमएल प्रोसेसिंग क्षमता जुड़ जाती है। प्रत्येक नए डिवाइस द्वारा भी। एक और लाभ के रूप में, सेंसर डेटा को एम्बेडेड एज डिवाइस में स्थानीयकृत रखना और एआई/एमएल प्रसंस्करण को स्थानीय रूप से करना भी संभावित गोपनीयता और सुरक्षा मुद्दों को दरकिनार करता है क्योंकि निजी और सुरक्षित डेटा नेटवर्क के लिए अप्राप्य है और कभी भी ट्रैवर्स नहीं करता है।

ब्रेनचिप की अकिडा वास्तुकला का मुख्य तत्व एक स्पाइकिंग एनपीयू है, जो एक कार्बनिक मस्तिष्क के असंख्य न्यूरॉन्स और सिनैप्स के संचालन का अनुकरण करता है। अकीदा एनपीयू घटना-संचालित है। यह तभी काम करता है जब डेटा को प्रोसेस करना होता है, जिससे बिजली की बचत होती है। इसके अलावा, प्रत्येक अकिडा एनपीयू की अपनी स्थानीय मेमोरी होती है, जो बाहरी मेमोरी में और बाहर एआई/एमएल मॉडल वेट को स्वैप करने की आवश्यकता को समाप्त करती है। यह सुविधा प्रदर्शन को बढ़ावा देने और मेमोरी बसों पर एआई/एमएल यातायात के कारण बाहरी मेमोरी बाधाओं को खत्म करने के दौरान बिजली की खपत को और कम कर देती है।

अकिडा आर्किटेक्चर चार एनपीयू को एक नोड में बांधता है और एक जाल एनओसी (चिप पर नेटवर्क) के साथ कई नोड्स को जोड़ता है। यह आर्किटेक्चर अकिडा एनपीयू के मूल नेटवर्क, एसएनएन (एसएनएन) के अलावा मानक सीएनएन (कन्वेन्शनल न्यूरल नेटवर्क), डीएनएन (डीप न्यूरल नेटवर्क), आरएनएन (पुनरावर्ती न्यूरल नेटवर्क), अनुक्रम भविष्यवाणी नेटवर्क, विजन ट्रांसफॉर्मर और अन्य प्रकार के न्यूरल नेटवर्क को लागू कर सकता है। स्पाइकिंग तंत्रिका नेटवर्क)।

2^रा-जनरेशन अकिडा प्लेटफॉर्म आर्किटेक्चर विजन ट्रांसफॉर्मर नोड्स नामक अनुकूलित हार्डवेयर जोड़ता है, जो विजन ट्रांसफॉर्मर बनाने के लिए मौजूदा इवेंट-आधारित न्यूरोमॉर्फिक घटकों के साथ काम करता है। ये विजन ट्रांसफॉर्मर नेटवर्क दृष्टि-पहचान, वस्तु का पता लगाने और छवि वर्गीकरण अनुप्रयोगों में उत्कृष्ट परिणाम प्राप्त करते हैं, जो कि कम कम्प्यूटेशनल संसाधनों या विद्युत शक्ति के साथ अत्याधुनिक दृढ़ नेटवर्क की तुलना में हैं। नया 2^रा-जनरेशन आर्किटेक्चर में लंबी दूरी के स्किप कनेक्शन के लिए हार्डवेयर सपोर्ट है और अब 8-, 4-, 2- और 1-बिट वेट और एक्टिवेशन को सपोर्ट करता है, जो AI / ML डेवलपमेंट टीमों को मॉडल सटीकता, मेमोरी उपयोग और बिजली की खपत को ट्यून करने की अनुमति देता है। आवेदन आवश्यकताएं।

कंपनी ने टेम्पोरल इवेंट-बेस्ड न्यूरल नेटवर्क्स (टीएनएन) के लिए समर्थन भी जोड़ा है, जो मेमोरी फुटप्रिंट और वर्कलोड के लिए आवश्यक संचालन की संख्या को कम करता है, जिसमें अनुक्रम भविष्यवाणी और वीडियो ऑब्जेक्ट डिटेक्शन शामिल है, 3डी डेटा को संभालने के दौरान परिमाण के आदेश द्वारा। या समय-श्रृंखला डेटा। जो TENNs को विशेष रूप से दिलचस्प बनाता है, वह है प्रीप्रोसेसिंग के बिना अपरिष्कृत सेंसर डेटा लेने की क्षमता, मौलिक रूप से सरल ऑडियो या स्वास्थ्य देखभाल निगरानी या भविष्य कहनेवाला उपकरणों के लिए अनुमति देता है। ब्रेनचिप का मेटाटीएफ सॉफ्टवेयर ढांचा स्वचालित रूप से अन्य तंत्रिका नेटवर्क को एसएनएन में परिवर्तित करता है। MetaTF TensorFlow/Keras जैसे उद्योग-मानक ढांचे और एज इंपल्स जैसे विकास प्लेटफार्मों के साथ काम करता है।

ब्रेनचिप के अकिडा प्लेटफॉर्म आर्किटेक्चर पर आधारित तीन अलग-अलग लाइसेंस योग्य आईपी उत्पाद हैं, जैसा कि नीचे दिए गए चित्र में दिखाया गया है:

मैक्स एफिशिएंसी वैरिएंट (अकिडा-ई) चार नोड्स (या 16 एनपीयू) प्रदान करता है, जो 200 मेगाहर्ट्ज जितना तेज़ चलता है, प्रदर्शन के 200 GOPS (गीगा-ऑपरेशन प्रति सेकंड) के बराबर देता है, और इसके लिए केवल मिलीवाट बिजली की आवश्यकता होती है कार्यवाही। कंपनी का कहना है कि यह छोटा संस्करण सरल एआई/एमएल नेटवर्क चलाने के लिए डिज़ाइन किया गया है और इसका उद्देश्य लगातार ऑपरेटिंग उपकरणों में उपयोग करना है जहां बिजली की खपत प्रीमियम पर है। सेंसर बैलेंस्ड वेरिएंट (अकिडा-एस) को आठ नोड्स (32 एनपीयू) के साथ कॉन्फ़िगर किया जा सकता है, जो 500 मेगाहर्ट्ज जितना तेज चलता है, और प्रदर्शन के 1 टॉप्स (ट्रिलियन ऑपरेशंस प्रति सेकंड) के बराबर देता है, जो चलने में सक्षम है वस्तु का पता लगाने और वर्गीकरण वर्कलोड। परफॉरमेंस वैरिएंट (अकिडा-पी) में 128 नोड्स (512 एनपीयू) शामिल हैं, जो 1.5GHz जितनी तेजी से काम करता है, और 50 टॉप्स के बराबर डिलीवर करता है। प्रदर्शन संस्करण के सबसे सक्षम संस्करण में विजन ट्रांसफॉर्मर नेटवर्क के लिए वैकल्पिक हार्डवेयर समर्थन शामिल है जो आंतरिक अकीदा में अतिरिक्त नोड्स का रूप लेता है गूँथा हुआ तंत्र।

हाई-एंड वैरिएंट वर्गीकरण, पहचान, विभाजन और भविष्यवाणी सहित कार्यों को करने के लिए ब्रेनचिप के मॉडल चिड़ियाघर में एआई/एमएल मॉडल के पूर्ण सरगम ​​​​को चला सकता है। साथ में, ये अकिडा वैरिएंट एक डिज़ाइन टीम को एक AI/ML आर्किटेक्चर का उपयोग करने की अनुमति देते हैं जो लो-पावर कॉन्फ़िगरेशन से मापता है जो उच्च-प्रदर्शन कॉन्फ़िगरेशन के लिए केवल माइक्रोवाट की शक्ति का उपभोग करता है जो दर्जनों TOPS प्रदान करता है, और BrainChip के अनुसार, HD वीडियो ऑब्जेक्ट का प्रदर्शन कर सकता है। 75 मिलीवाट से कम खपत करते हुए 30 फ्रेम प्रति सेकंड पर पता लगाना, जिसके परिणामस्वरूप बहुत ही सम्मोहक पोर्टेबल दृष्टि समाधान हो सकते हैं।

Brainchip का जैव-प्रेरित अकीदा मंच निश्चित रूप से AI/ML अनुप्रयोगों से निपटने का एक असामान्य तरीका है। जबकि अधिकांश अन्य एनपीयू विक्रेता यह पता लगा रहे हैं कि वे कितने एमएसीएस फिट कर सकते हैं – और शक्ति – एक पिन के सिर पर, ब्रेनचिप एक वैकल्पिक दृष्टिकोण ले रहा है जो मदर नेचर द्वारा लाखों वर्षों से काम करने के लिए सिद्ध किया गया है।

तिरियास रिसर्च की राय में, यह महत्वपूर्ण नहीं है कि परिणाम के लिए लिया गया मार्ग महत्वपूर्ण है, यह परिणाम है जो मायने रखता है। अगर Brainchip का अकिडा इवेंट-आधारित प्लेटफॉर्म सफल होता है, तो यह पहली बार नहीं होगा कि एक कट्टरपंथी नई सिलिकॉन तकनीक ने इस क्षेत्र में कदम रखा है। उदाहरण के लिए DRAMs (डायनेमिक रैंडम एक्सेस मेमोरी), माइक्रोप्रोसेसर, माइक्रोकंट्रोलर और FPGAs (फील्ड प्रोग्रामेबल गेट एरेज़) पर विचार करें। जब वे उपकरण पहली बार सामने आए, तो कई ऐसे थे जिन्होंने संदेह व्यक्त किया। अब और नहीं। यह संभव है कि ब्रेनचिप ने अभी तक एक और सफलता विकसित की है जो उन पिछले नवाचारों के साथ रैंक कर सके। समय ही बताएगा।