Aspinity AB2 AML100 : บอร์ด Arduino Shield รองรับ Analog Machine Learning ใช้พลังงานต่ำมาก

Aspinity AB2 AML100 เป็นบอร์ด Arduino Shield ที่ใช้ AML100 analog machine learning processor ของบริษัทฯ, เมื่อเทียบกับ digital ML processors ลดการใช้พลังงานลงถึง 95 เปอร์เซ็นต์ และบอร์ด Shield นี้สามารถใช้งานกับ Renesas Quick-Connect IoT platform หรือแพลตฟอร์มการพัฒนาอื่น ๆ ที่มี Arduino Uno Rev3 headers ได้

บริษัทฯ ได้กล่าวว่าตัวประมวลผล AML100 analog machine learning processor ใช้พลังงานเพียง 15µA สำหรับการเชื่อมต่อเซนเซอร์, การประมวลผลสัญญาณและการตัดสินใจ และการทำงานของตัวประมวลผลนี้จะเกิดขึ้นภายในโดเมนแอนะล็อกเพื่อลดภาระของด้านไมโครคอนโทรลเลอร์ ซึ่งทำให้ไมโครคอนโทรลเลอร์สามารถอยู่ในสถานะพลังงานต่ำสุดได้จนกว่าจะมีเหตุการณ์/ภาวะผิดปกติเกิดขึ้น

Aspinity AB2 AML100 analog machine learning Arduino Shield

สเปคของ Aspinity AB2 AML100 Arduino Shield :

  • ชิป ML – ชิป Aspinity AML100 analog machine learning
    • Software programmable analogML core พร้อม array ของ configurable analog blocks (CABs) พร้อมหน่วยความจำแบบไม่ลบเลือน ( non-volatile memory) และการประมวลผลสัญญาณอะนาล็อก
    • การประมวลผลข้อมูลแบบ analog
    • พลังงาน Near-zero สำหรับการอนุมานและการตรวจจับเหตุการณ์
    • การใช้พลังงานต่ำกว่า 20µA เมื่อเป็นโหมดเซนเซอร์ตลอดเวลา
    • ลดข้อมูลแบบ analog ได้ถึง 100 เท่า
    • รองรับเซ็นเซอร์แบบ analog ได้สูงสุด 4 ตัว
    • แพคเกจ – แพคเกจ QFN 48-pin ขนาด 7 x 7 มม.
  • อินเทอร์เฟซเซนเซอร์
    • อินเทอร์เฟซเซ็นเซอร์ 12 ขาสำหรับเซนเซอร์แบบ analog ได้สูงสุด 4 ตัว
    • 4-pole audio jack สำหรับ “การกระตุ้นไฟฟ้าและการตรวจวัด” ของขา I/O AML100 analog
  • อินเทอร์เฟซโฮสต์ – Headers- Arduino Uno Rev3
  • อื่น ๆ
    • Headers สำหรับการวัดกระแสไฟฟ้าของ AML100 และเซนเซอร์
    • ไฟ LED บนบอร์ด
  • ขนาด – 7 x 5.1 ซม. (ฟอร์มแฟคเตอร์ของ Arduino Shield)
AML100 analog machine learning processor
AML100 simplified block diagram

 

Digital vs Analog machine learning

โดยทั่วไป ถูกเชื่อมต่อโดยตรงกับไมโครคอนโทรลเลอร์ที่เปิดตลอดเวลา ซึ่งได้รับข้อมูลทั้งหมดจากชิป Analog-to-Digital (ADC) และทำการประมวลผลทั้งหมด แต่ AML100 จะถ่ายงานไปให้ไมโครคอนโทรลเลอร์เพียงส่งข้อมูลเซ็นเซอร์ที่เกี่ยวข้องไปยังไมโครคอนโทรลเลอร์เท่านั้น ซึ่งสามารถอยู่ในโหมด deep sleep เกือบตลอดเวลา, Aspinity อ้างว่า AML100 ยืดอายุแบตเตอรี่ได้สูงสุด 20 เท่า และลดพลังงานของระบบที่เปิดตลอดเวลาได้มากกว่า 95% เมื่อเทียบกับระบบเปิดตลอดเวลาแบบดิจิทัลรุ่นเดิม

แม้ AB2 AML100 Arduino Shield จะใช้งานได้กับบอร์ด Arduino Uno แต่ Aspinity ได้เตรียมการสาธิต  การทดสอบการสร้างเสียงแตกของแก้ว สำหรับงาน Embedded World 2023 โดยใช้ Renesas EK-RA6M3 evaluation kit ในแพลตฟอร์ม Quick-Connect IoT โดยระบบโดยรวมจะใช้พลังงานน้อยกว่า <45µA เมื่ออยู่ในโหมดฟังตลอดเวลา เนื่องจาก Renesas RA6M3 MCU อยู่ในโหมด Deep Sleep เว้นแต่จะตรวจพบการแตกของกระจก แอปพลิเคชันเป้าหมายสำหรับชิป  AML100 analog ML คือเซนเซอร์สำหรับระบบรักษาความปลอดภัยที่บ้านและอาคาร, อุปกรณ์สมาร์ทโฮมและอุปกรณ์สวมใส่ที่ใช้เสียงเป็นอินเทอร์เฟซ, การตรวจจับความผิดปกติสำหรับการบำรุงรักษาเชิงป้องกันและการบำรุงรักษาเชิงคาดการณ์, การตรวจวัดอัตราการเต้นของหัวใจ และการพิสูจน์ตัวตนแบบ Biometric

ยังไม่ชัดเจนว่าบอร์ด Aspinity AB2 AML100 มีจำหน่ายอยู่ในปัจจุบันหรือไม่ แต่จะจัดแสดงบนพร้อมกับแพลตฟอร์ม Renesas Quick-Connect IoT ในบูธ Renesas ที่งาน Embedded World 2023 (Hall 1, Stand 234) ในวันที่ 14-16 มีนาคม 2023 ในเมืองนูเรมเบิร์ก ประเทศเยอรมนี รายละเอียดเพิ่มเติมสามารถดูได้ที่เพจผลิตภัณฑ์ของชิปและประกาศของบอร์ด

ที่มา : TLS

แปลจากบทความภาษาอังกฤษ : Aspinity AB2 AML100 Arduino Shield supports ultra-low-power analog machine learning

Subscribe
Notify of
guest
0 Comments
Oldest
Newest Most Voted
Inline Feedbacks
View all comments
โฆษณา