embedded world | ADELIA Gen2 Analog Deep Learning Inference Accelerator

Halle 4 / Standnummer 4-422

ADELIA Gen2 Analog Deep Learning Inference Accelerator

Key Facts

  • Speicher pro Kern: 8 kB [Parameter/Gewichte] + 1 kB [Konfiguration]
  • Leistungsaufnahme pro Kern: 80 μW bis 140 μW
  • Inferenzzeit: < 1 ms (typisch für volle Kernnutzung mit 8-bit x 8-bit MAC)

Kategorien

  • Sonstige Dienstleistungen
  • Consulting
  • Künstliche Intelligenz
  • Methoden & Werkzeuge für sichere Embedded Systeme
  • Mikroprozessoren
  • KI-Prozessoren

Key Facts

  • Speicher pro Kern: 8 kB [Parameter/Gewichte] + 1 kB [Konfiguration]
  • Leistungsaufnahme pro Kern: 80 μW bis 140 μW
  • Inferenzzeit: < 1 ms (typisch für volle Kernnutzung mit 8-bit x 8-bit MAC)

Kategorien

  • Sonstige Dienstleistungen
  • Consulting
  • Künstliche Intelligenz
  • Methoden & Werkzeuge für sichere Embedded Systeme
  • Mikroprozessoren
  • KI-Prozessoren
Mehr anzeigen

Produktbeschreibung

ADELIA ist ein hocheffizienter Beschleuniger mit geringer Latenz, der für die Ausführung von leichtgewichtigen neuronalen Netzen (NNs) und die Durchführung von Inferenzen auf Daten, die über den SPI-Bus gestreamt werden, konzipiert ist. NN-Modelle können im ONNX-Format exportiert und auf ADELIA eingesetzt werden. Ein spezielles Tool für die nahtlose Bereitstellung von KI-Modellen unterstützt die Quantisierung, das Umlernen und die Zuordnung von NNs für ADELIA. Die Kommunikation erfolgt vollständig über SPI. Nach einem Power-On-Reset wird die NN-Konfiguration in den SRAM-Konfigurations- und Gewichtsspeicher geschrieben. ADELIA führt kontinuierlich Inferenzen durch, und die Ergebnisse können über SPI abgerufen werden, wenn der Ausgangspin Inference Ready eine positive Spannungsflanke als Interrupt-Signal liefert. Die Ergebnisse können von einem externen Mikrocontroller verarbeitet werden, um Protokolle auf höherer Ebene zu initiieren. Dank dieser Fähigkeit eignet sich ADELIA für die Implementierung ereignisbasierter Protokolle in verschiedenen Anwendungen. Die ADELIA-Familie ist skalierbar und bietet die Möglichkeit, zusätzliche Cores in einem kundenspezifischen Design mit minimaler Entwicklungszeit und -kosten anzubieten.

... mehr lesen

Produktexperte

Bahar

Bahar Akbakla

Business Development Neuromorphic Computing

bahar.akbakla@iis.fraunhofer.de

Download Produkt Information