MUNDO ELECTRÓNICO
Gracias a la tecnología embebida analógica SuperFlash de Microchip
UNA SOLUCIÓN DE COMPUTACIÓN INTEGRADA EN LA MEMORIA SUPERA LAS DIFICULTADES DEL PROCESAMIENTO DE VOZ EN EL BORDE La computación integrada en la memoria está llamada a eliminar los enormes cuellos de botella en las comunicaciones de datos que suelen caracterizar al procesamiento de voz mediante inteligencia artificial (IA) en el borde (edge) de la red, pero exige una memoria de solución embebida que asuma al mismo tiempo la computación en la red neuronal y el almacenamiento de pesos. Automática e Instrumentación
M
icrochip Technology Inc., a través de su filial Silicon Storage Technology (SST), ha anunciado que su solución de memoria neuromórfica SuperFlash memBrain ha resuelto este problema para el SoC de procesamiento neuronal WITINMEM, el primero que se produce a gran escala para permitir que sistemas con un consumo de corriente inferior a 1 mA reduzcan el ruido de la voz y reconozcan centenares de palabras de instrucciones, en tiempo real e inmediatamente tras el encendido. La compañía ha trabajado con WITINMEM para incorporar la solución de computación integrada en la memoria analógica memBrain de Microchip, basada en la tecnología SuperFlash, al SoC de muy bajo consumo de WITINMEM. El SoC se basa en una tecnología de computación integrada en la memoria para procesamiento de redes neuronales, incluidos el reconocimiento de voz, el reconocimiento de impresión de voz, la reducción avanzada de ruido de voz, la detección de escenas y la monitorización de la salud. WITINMEM trabaja a su vez con varios clientes para comercializar sus productos basados en este SoC durante 2022. “WITINMEM está abriendo nuevos caminos con la solución memBrain de Microchip para cubrir los requisitos de cálculo intensivo de la voz con IA en tiempo real en el borde de la red,
64
basándose para ello en modelos de redes neuronales avanzadas”, señaló Shaodi Wang, CEO de WITINMEM. “Fuimos los primeros en desarrollar un chip de computación integrada en la memoria para audio en 2019 y ahora hemos logrado otro hito mediante la producción a gran escala de esta tecnología en nuestro SoC de procesamiento neuronal de muy bajo consumo, que agiliza y mejora el rendimiento del procesamiento de voz en productos inteligentes destinados a aplicaciones relacionadas con la voz y la salud”. “Nos complace nuestra colaboración con WITINMEM y celebramos que esta empresa entre en un mercado en expansión como el procesamiento de borde con IA gracias a un producto superior que usa nuestra tecnología”, señaló Mark Reiten, vicepresidente de la visión de licencias de SST. “El SoC de WITINMEM muestra el valor de la tecnología memBrain para crear una solución de un solo chip basada en un procesador neuronal con computación integrada en la memoria que elimina los problemas de los procesadores
tradicionales que recurren a técnicas basadas en DSP digital y SRAM/DRAM para almacenar y ejecutar modelos de aprendizaje automático”. El producto de memoria neuromórfica memBrain de Microchip está optimizado para la multiplicación de matrices y vectores (vector matrix multiplication, VMM) en redes neuronales. Permite que los procesadores utilizados en dispositivos de borde alimentados por batería, embebidos y avanzados proporcionen el máximo rendimiento posible de la inferencia de IA por vatio. Esto se consigue almacenando los pesos del modelo neuronal como valores en la matriz de memoria y utilizando la matriz de memoria como elemento de computación neuronal. El resultado es un consumo 10 a 20 veces más reducido que otras soluciones alternativas, así como unos costes más bajos de la lista de materiales del procesador pues no hacen falta DRAM y NOR externas. El almacenamiento permanente de modelos neuronales dentro del elemento de procesamiento de la solución memBrain también incorpora la función de procesamiento de la red neuronal en tiempo real. WITINMEM aprovecha que las células de puerta flotante de la tecnología SuperFlash no son volátiles para desconectar sus macros de computación integrada en la memoria durante el estado inactivo para reducir aún más potencia de fuga en aplicaciones IoT exigentes.
FEBRERO 2022 / N.º 535
AUTOMÁTICA E INSTRUMENTACIÓN
