人工智能(AI)需要超強的計算能力,而Maxim則大大降低了AI計算所需的功耗。MAX78002是一款新型的AI微控制器,使神經網絡能夠在互聯網邊緣端以超低功耗運行,將高能效的AI處理與經過驗證的Maxim超低功耗微控制器相結合。通過這款基于硬件的卷積神經網絡(CNN)加速器,即使是電池供電的應用也可執行AI推理,同時功耗僅為微焦耳級。
MAX78002是一款先進的片上系統,集成帶FPU CPU的Arm? Cortex?-M4內核,通過超低功耗深度神經網絡加速器實現高效的系統控制。CNN引擎具有2MB的權重存儲器,可支持1、2、4和8位權重(支持高達1600萬1位權重的網絡)。該CNN權重存儲器基于SRAM,因此可進行AI網絡的即時更新。同時,CNN引擎還集成了1.3MB的數據存儲器。高度靈活的CNN架構支持用戶通過PyTorch?和TensorFlow?等傳統工具集訓練網絡,然后經ADI提供的工具轉換后在MAX78002上運行。
除CNN引擎的存儲器之外,MAX78002還具備適配微控制器內核的大型片內系統存儲器,具有2.5MB的閃存和高達384KB的SRAM,支持多個高速和低功耗的通信接口,包括I2S、MIPI CSI-2?、并行攝像頭接口(PCIF)和SD3.0/SDIO3.0/eMMC4.51安全數字接口。
該器件采用144引腳CSBGA(12mm x 12mm、0.8mm間距)封裝。
*附件:MAX78002 新型AI MCU,能夠使神經網絡以超低功耗運行.pdf
特性
- 雙核超低功耗微控制器
- 帶FPU的Arm Cortex-M4處理器,工作頻率最高可達120MHz
- 2.5MB閃存、64KB ROM和384KB SRAM
- 16KB指令緩存幫助優化性能
- 用于SRAM的可選糾錯碼(ECC-SEC-DED)功能
- 32位RISC-V協處理器,工作頻率最高可達60MHz
- 多達60個通用I/O引腳
- MIPI CSI-2攝像頭串行接口
- 12位并行攝像頭接口
- 用于數字音頻接口的I2S主機/從機
- 安全數字接口支持SD3.0/SDIO3.0/eMMC4.51
- 卷積神經網絡(CNN)加速器
- 針對深度CNN進行了高度優化
- 2M 8位權重容量,具有1、2、4、8位權重
- 1.3MB CNN數據存儲器
- 高達2048 x 2048像素的可編程輸入圖像尺寸
- 多達128層的可編程網絡深度
- 多達1024個通道的可編程網絡每層通道寬度
- 一維和二維卷積處理
- 能夠以30fps的速率處理VGA圖像
- 電源管理功能有助于延長電池續航時間
- 集成單電感多路輸出(SIMO)的開關電源(SMPS)
- SIMO電源電壓范圍:2.85V至3.6V
- 動態電壓調節盡可能地降低了內核功耗
- 在3.0V時緩存執行While循環的電流為23μA/MHz(僅CM4內核工作)
- 支持實時時鐘(RTC)使能的低功耗模式的SRAM數據保留
- 安全性和集成度
- 安全啟動
- AES 128/192/256硬件加速引擎
- 真隨機數生成器(TRNG)的隨機數種子生成器
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
相關推薦
的物聯網設備上運行。 Analog Devices, Inc. 的微控制器單元 (MCU) 可以通過集成的低功耗卷積神經網絡 (CNN) 加速器來解決邊緣處理限制,
發表于 10-17 11:39
?1320次閱讀
?,一種結合模塊化硬件套件、神經網絡IP核、軟件工具、參考設計和定制化設計服務的完整技術集合,旨在將機器學習推理加快大眾市場IoT應用。Lattice sensAI提供經優化的解決方案,具有超低功耗
發表于 05-23 15:31
概述:GX8002采用了MCU+NPU的架構,集成國芯第二代自研神經網絡處理器gxNPU V200和平頭哥CK804處理器。芯片支持多級喚醒,集成硬件VAD,可實現超低功耗待機和自動人
發表于 07-25 10:34
`本篇主要介紹:人工神經網絡的起源、簡單神經網絡模型、更多神經網絡模型、機器學習的步驟:訓練與預測、訓練的兩階段:正向推演與反向傳播、以TensorFlow + Excel表達訓練流程
發表于 11-05 17:48
處理單元(NPU)IP在內部開發,是一種超低功耗處理器,能夠支持卷積神經網絡(CNN)以及其他架構,包括遞歸神經網絡(RNN)和長期短期支持內存(LSTM)
發表于 03-03 10:49
如何用stm32cube.ai簡化人工神經網絡映射?如何使用stm32cube.ai部署神經網絡?
發表于 10-11 08:05
設備沒有連接的時候。 在這種情況下,需要一個能夠實時進行信號預處理和執行神經網絡的平臺,需要最低功耗,尤其是在一個電池設備上運行的時候。通過使用不同的工具(如 python 腳本) ,
發表于 11-09 08:06
微控制器 (MCU) 供應商正在穩步增加其設備中的內存容量,但這足以支持人工智能 (AI) 和物聯網技術交叉點的設計需求嗎?超低功耗 MCU 供應商 Ambiq Micro 與存儲器公
發表于 11-10 07:28
這篇文章為大家介紹了一下面向低功耗AI芯片上的神經網絡設計,隨著這幾年神經網絡和硬件(CPU,GPU,FPGA,ASIC)的迅猛發展,深度學習在包...
發表于 12-14 23:40
?783次閱讀
? ? 新型神經網絡加速器 Maxim Integrated的新型MAX78000芯片,基于雙核MCU,結合了
發表于 01-04 11:48
?2922次閱讀
功耗是邊緣人工智能 (AI) 應用的關鍵因素,其中整個系統由小型電池供電,預計無需充電或更換電池即可運行數月。MAX78002超低功耗
發表于 02-17 11:31
?1320次閱讀
提出了一種集成傳感和計算功能的MEMS神經網絡以同時執行加速度傳感和分類任務,這種一體化結構以零電路和低功耗運行。
發表于 05-15 09:58
?394次閱讀
相比于云端AI,邊緣AI具備實時性好、帶寬資源要求低、隱私性高等特點,特別適合物聯網應用。ADI的邊緣AI低功耗微處理器領域的最新款產品是MAX78
發表于 12-15 12:36
?1248次閱讀
神經網絡能夠以超低功耗執行,位于物聯網的邊緣。該器件結合了最節能的 AI 處理與 Analog Devices 久經考驗的
發表于 07-11 09:25
?830次閱讀
力不從心。神經網絡作為一種強大的機器學習模型,能夠提供高效的數據處理和分析能力,但其計算復雜度和資源需求往往超出了普通MCU的能力范圍。因此,設計一種適合MCU
發表于 07-12 18:21
?1018次閱讀
評論