Skal forenkle KI på FPGA

Den kostnadsfrie programvarepakken skal gjøre det enklere å optimalisere, kompilere og distribuere konvolusjonsbaserte nevrale nettverk (CNN-er) for kant-KI-applikasjoner.

Den viktigste nyheten i VectorBlox 3.0 er støtte for såkalte sparsomme nevrale nettverk. Ved å utnytte modellkomprimering basert på sparsitet kan akseleratoren hoppe over beregninger med nullverdier, noe som reduserer både beregnings- og minnebehov uten at det går ut over nøyaktigheten. Ifølge Microchip gir dette høyere inferensytelse og lavere effektforbruk, noe som er spesielt viktig i kontinuerlig aktive kant-KI-systemer.

SDK-en bygger på teknologi fra Microchips oppkjøp av Neuronix og inkluderer CoreVectorBlox IP som en integrert del av verktøykjeden. Løsningen er utviklet for å kunne skalere effektivt mellom ulike modellstørrelser og håndtere flere KI-arbeidslaster på én FPGA, slik at funksjoner som maskinsyn og sensorbasert analyse kan konsolideres på én og samme lavenergi-enhet.

Microchip trekker særlig frem bruk i romfarts-, forsvars- og industrisystemer der effektforbruk, robusthet og pålitelighet er avgjørende. Selskapet viser blant annet til implementeringer på PolarFire SoC-plattformen for sanntids bildeanalyse om bord på satellitter, inkludert objektgjenkjenning og semantisk sceneanalyse. VectorBlox 3.0 støtter også Spacecraft Pose Network v2 (SPNv2), et nevralt nettverk for posisjons- og orienteringsestimering som kan brukes til autonome romoperasjoner som dokking, satellittinspeksjon og fjerning av romsøppel.

VectorBlox SDK v3.0 støttes av Libero SoC Design Suite og er tilgjengelig uten lisenskostnad sammen med CoreVectorBlox IP.