瑞士電子和微電子技術（CSEM）工程師開發了一個集成電路，可以執行復雜的人工智能，例如人臉，聲音和手勢識別和心臟監測。它可以使用邊緣數據處理為微電池或太陽能電池板供電，可以在幾乎任何類型的應用中使用。

人工智能可用于一系列應用，例如通過振動來預測機器的壽命，監測患者的心臟活動，并將面部識別功能納入視頻監控系統。但缺點是基于人工智能技術，通常需要大量的力量，并且在大多數情況下，它必須連續連接到云計算，這觸發了與數據保護，IT安全性和能源使用相關的問題。

CSEM工程師可能會找到解決這些問題的方法。他們開發了一種在微型電池或小型太陽能電池上運行的新芯片系統，并在邊緣執行人工智能操作 - 即芯片上的本地在云中執行它。更重要的是，它們的系統完全模塊化，可以根據需要實時信號和圖像處理的任何應用程序定制，特別是涉及敏感數據的應用。

芯片系統通過新的信號處理架構操作，以最小化所需的所需功率。它由帶有RISC-V處理器的ASIC芯片（也由CSEM開發）和兩個緊密耦合的機器學習加速器：一個用于面部檢測，另一個用于分類。第一引擎是一個二進制決策樹（BDT）引擎，可以執行簡單的任務，但不能執行識別操作。例如，當系統用于面部識別應用時，第一個加速器將在圖像中有人接聽，如果有的話，他們是否可以識別。如果系統用于語音識別，則第一個加速器將確定是否存在噪聲，以及噪聲是否與人類的聲音一致。但它無法區分特定的聲音或單詞 - 這是第二加速器的功能。

第二加速器是卷積神經網絡（CNN）發動機，可以執行更復雜的任務：識別相和檢測特定詞語 - 但它也消耗更多的能量。這種雙層數據處理方法大大降低了系統的電力需求，因為大多數第一個加速器正在運行。

作為研究的一部分，工程師提高了加速器本身的性能，使得它可以適應任何基于時間的信號和圖像處理。無論應用程序如何，系統工作都基本相同，并且只需要重新配置CNN發動機的各種級別。 CSEM這一創新是一個新一代設備，可以獨立運行超過一年，這大大降低了這些設備的安裝和維護成本，并允許它們難以更換電池。

本文由Limen技術編制，請從Sensoro.com注明它