随着人工智能(AI)处理从云端移动到网络边缘,电池供电和深度嵌入式设备面临着执行AI功能的挑战,如计算机视觉和语音识别。Microchip Technology Inc. (纳斯达克代码:MCHP)通过其硅存储技术(SST)子公司,通过其模拟存储器技术memBrain™神经形态存储器解决方案大幅降低功耗,从而应对这一挑战。基于其业界认可的SuperFlash ® Microchip的模拟闪存解决方案通过模拟内存计算方法改进了VMM的系统架构实现,增强了边缘的AI推理,并优化了神经网络的矢量矩阵乘法(VMM)。
由于当前的神经网络模型可能需要50M或更多的突触(权重)进行处理,因此为片外DRAM提供足够的带宽变得具有挑战性,从而造成神经网络计算的瓶颈和整体计算能力的提高。相比之下,memBrain解决方案将突触权重存储在片上浮动门中,从而显着改善系统延迟。与传统的基于数字DSP和SRAM / DRAM的方法相比,它可以降低10到20倍的功耗,并显着降低整体BOM。
“随着汽车,工业和消费者市场的技术提供商继续为神经网络实施VMM,我们的架构可帮助这些前向解决方案实现功耗,成本和延迟优势,”SST许可部门副总裁Mark Reiten表示。“Microchip将继续为AI应用提供高度可靠和多功能的SuperFlash存储解决方案。”
memBrain解决方案正被当今希望提高边缘设备机器学习能力的公司所采用。由于其能够显着降低功耗,这种模拟内存计算解决方案非常适合任何AI应用。
“Microchip的memBrain解决方案可为我们即将推出的模拟神经网络处理器实现超低功耗的内存计算,”Syntiant公司首席执行官Kurt Busch说道。“我们与Microchip的合作继续为Syntiant提供许多关键优势,因为我们支持普及的机器学习适用于边缘设备中语音,图像和其他传感器模式的永远在线应用。“
SST将展示这种模拟存储器解决方案,并在2019年8月6日至8日在圣塔克拉拉会议中心举行的2019年闪存峰会上,在AI / ML会议轨道上展示Microchip的基于memBrain产品区块阵列的架构,以实现闪存性能扩展。加州克拉拉。
- 熱銷產品
- ANT-5GW-MMG1-SMA-1
- MS27472T10F5S
- AZC399-04S
- RC0100FR-075R1L
- RC0100FR-073RL
- BAP70-02,115
- AZ1143-04F
- AZ1123-04F
- GT32-10S-SP
- GT32-10S-6CF
- GT32-10S-HU
- 2045321001
- 0010844020
- 875075161011
- ATMXT336UD-MAU002
- M95080-RMN6TP
- AP7361EA-FGE-7
- GYC1V101MCW1GS
- BG095-06-A-N-D
- THS5671AIPW
- 009176001722996
- 35TLV1000M16X16.5
- GLF74520
- CSRT2512FTR500-UP
- DR125-471-R
- TLV76708DRVR
- XAL1060-181MEC
- XAL1060-401MEC
- XAL1060-122MEC
- XAL1060-681MEC
- KGM21ACG1H222JU
- XGL4040-682MEC
- MC100LVEP111MNG
- LD59100PUR
- 0201N101G500CT
- 009176001863906
- QLCD250Q120J1GV001T
- 1731120300
- BC846BMB,315
- 1.5SMCJ54CA_R1_00001