2019.8.9
SuperFlash memBrain™ニューロモーフィック メモリ ソリューションが消費電力の低減とエッジでの AI推論機能を改善
人工知能(AI)処理がクラウドからネットワーク エッジに移行するにつれて、
システムに深く組み込まれたバッテリ駆動デバイスに AI機能(例: コンピュータ ビジョン、音声認識)を実行する事が求められています。
マイクロチップ社は本日(元記事日付2019年8月8日)、
子会社のSilicon StorageTechnology, Inc.(以下 SST 社)を通じて、
マイクロチップ社のアナログメモリ技術であるmemBrain™ニューロモーフィック メモリ ソリューションを使って
消費電力を大幅に低減する事でこの課題に対処する事を発表しました。
業界で実績のあるSuperFlash®テクノロジを採用したマイクロチップ社の
アナログ フラッシュメモリ ソリューションは、ニューラル ネットワークの VMM (Vector MatrixMultiplication)を実行するために最適化されており、
アナログ インメモリ コンピューティングの手法を使ってVMMのシステム アーキテクチャ実装を改善する事でエッジでの AI推論機能を改善します。
今日のニューラルネット モデルでは、処理を実行するために 50M以上のシナプス(加重)が必要となる事があり、
外付けの DRAMでは帯域幅が不十分でニューラルネット コンピューティングのボトルネックとなり、総消費電力が増加します。
これに対して、memBrainソリューションでは、内蔵のフローティングゲートにシナプス加重を保存するため、
システムのレイテンシが大幅に向上します。DSPとSRAM/DRAMを使った従来型のデジタル方式と比較した場合、
memBrain ソリューションの消費電力は 1/10~1/20と小さく、全体の総部品コストも大幅に節約できます。
[開発ツール]
SST社は、memBrainソリューションと SuperFlashテクノロジの設計サービスと、ニューラル ネットワーク モデル解析のためのソフトウェア
ツールキットを提供しています。詳細はお問い合わせください。
本記事は、マイクロチップ社プレスリリース2019年8月8日より抜粋した内容を掲載しています。