Extrem energieeffizienter Arm®-Cortex®-M4-Prozessor MAX78000 mit neuronalem Netzwerkbeschleuniger

Künstliche Intelligenz (KI) erfordert extreme Rechenleistung, die in Form von Stromverbrauch und Wärmeleistung einen hohen Preis hat. ADI kappt den Stromverbrauch für KI-Erkenntnisse. Der MAX78000 ist eine neue Generation von KI-Mikrocontrollern, die es neuronalen Netzwerken ermöglichen, mit extrem niedriger Leistung und am Rande des IoT zu arbeiten. Da Anwendungen mehr Intelligenz am Rand erfordern, kombiniert dieses Produkt die energieeffizienteste KI-Verarbeitung mit den bewährten extrem energieeffizienten Mikrocontrollern von ADI. Mit dem Hardware-basierten CNN-Beschleuniger (CNN: Convolutional Neural Network/„faltendes“ neuronales Netz) von ADI können batteriebetriebenen Anwendungen, KI-Inferenzen ausführen, während sie nur Mikrojoule an Energie verbrauchen.

Der MAX78000 von ADI ist ein hochentwickeltes System-on-Chip mit einer Arm-Cortex-M4-FPU-CPU für eine effiziente Systemsteuerung mit einem extrem energieeffizienten Beschleuniger für tiefe neuronale Netzwerke. Die CNN-Engine hat einen Gewichtsspeicher von 442 KB und kann 1-, 2-, 4- und 8-Bit-Gewichte unterstützen (unterstützt Netzwerke mit bis zu 3,5 Millionen Gewichten). Der CNN-Gewichtsspeicher ist SRAM-basiert, so dass AI-Netzwerkaktualisierungen im laufenden Betrieb durchgeführt werden können. Die CNN-Architektur ist hochflexibel und macht es möglich, Netzwerke in konventionellen Toolsets wie PyTorch und TensorFlow® zu trainieren und dann für die Ausführung auf dem MAX78000 mit von ADI bereitgestellten Tools zu konvertieren.

Zusätzlich zum CNN-Engine-Speicher verfügt der MAX78000 über einen großen chipinternen Systemspeicher für den Mikrocontrollerkern mit 512 KB Flash und bis zu 128 KB SRAM. Zahlreiche hochschnelle und energieeffziente Kommunikationsschnittstellen wie z. B. I²S und eine parallele Kameraschnittstelle (PCIF) werden unterstützt.

Das Gerät ist in einem 81-poligen CTBGA-Gehäuse (Rasterabstand 8 mm x 8 mm, 0.8 mm) und in einem 130-poligen WLP-Gehäuse (Rasterabstand 4,6 mm x 3,7 mm x 0,35 mm) erhältlich.