人工智能(AI)需要超强的计算能力,而Maxim则大大降低了AI计算所需的功耗。MAX78002是一款新型的AI微控制器,使神经网络能够在互联网边缘端以超低功耗运行,将高能效的AI处理与经过验证的Maxim超低功耗微控制器相结合。通过这款基于硬件的卷积神经网络(CNN)加速器,即使是电池供电的应用也可执行AI推理,同时功耗仅为微焦耳级。
MAX78002是一款先进的片上系统,集成带FPU CPU的Arm® Cortex®-M4内核,通过超低功耗深度神经网络加速器实现高效的系统控制。CNN引擎具有2MB的权重存储器,可支持1、2、4和8位权重(支持高达1600万1位权重的网络)。该CNN权重存储器基于SRAM,因此可进行AI网络的即时更新。同时,CNN引擎还集成了1.3MB的数据存储器。高度灵活的CNN架构支持用户通过PyTorch®和TensorFlow®等传统工具集训练网络,然后经ADI提供的工具转换后在MAX78002上运行。
除CNN引擎的存储器之外,MAX78002还具备适配微控制器内核的大型片内系统存储器,具有2.5MB的闪存和高达384KB的SRAM,支持多个高速和低功耗的通信接口,包括I2S、MIPI CSI-2®、并行摄像头接口(PCIF)和SD3.0/SDIO3.0/eMMC4.51安全数字接口。
该器件采用144引脚CSBGA(12mm x 12mm、0.8mm间距)封装。
*附件:MAX78002 新型AI MCU,能够使神经网络以超低功耗运行.pdf
特性
- 双核超低功耗微控制器
- 带FPU的Arm Cortex-M4处理器,工作频率最高可达120MHz
- 2.5MB闪存、64KB ROM和384KB SRAM
- 16KB指令缓存帮助优化性能
- 用于SRAM的可选纠错码(ECC-SEC-DED)功能
- 32位RISC-V协处理器,工作频率最高可达60MHz
- 多达60个通用I/O引脚
- MIPI CSI-2摄像头串行接口
- 12位并行摄像头接口
- 用于数字音频接口的I2S主机/从机
- 安全数字接口支持SD3.0/SDIO3.0/eMMC4.51
- 卷积神经网络(CNN)加速器
- 针对深度CNN进行了高度优化
- 2M 8位权重容量,具有1、2、4、8位权重
- 1.3MB CNN数据存储器
- 高达2048 x 2048像素的可编程输入图像尺寸
- 多达128层的可编程网络深度
- 多达1024个通道的可编程网络每层通道宽度
- 一维和二维卷积处理
- 能够以30fps的速率处理VGA图像
- 电源管理功能有助于延长电池续航时间
- 集成单电感多路输出(SIMO)的开关电源(SMPS)
- SIMO电源电压范围:2.85V至3.6V
- 动态电压调节尽可能地降低了内核功耗
- 在3.0V时缓存执行While循环的电流为23µA/MHz(仅CM4内核工作)
- 支持实时时钟(RTC)使能的低功耗模式的SRAM数据保留
- 安全性和集成度
- 安全启动
- AES 128/192/256硬件加速引擎
- 真随机数生成器(TRNG)的随机数种子生成器
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
相关推荐
的物联网设备上运行。 Analog Devices, Inc. 的微控制器单元 (MCU) 可以通过集成的低功耗卷积神经网络 (CNN) 加速器来解决边缘处理限制,
发表于 10-17 11:39
•1429次阅读
™,一种结合模块化硬件套件、神经网络IP核、软件工具、参考设计和定制化设计服务的完整技术集合,旨在将机器学习推理加快大众市场IoT应用。Lattice sensAI提供经优化的解决方案,具有超低功耗
发表于 05-23 15:31
概述:GX8002采用了MCU+NPU的架构,集成国芯第二代自研神经网络处理器gxNPU V200和平头哥CK804处理器。芯片支持多级唤醒,集成硬件VAD,可实现超低功耗待机和自动人
发表于 07-25 10:34
`本篇主要介绍:人工神经网络的起源、简单神经网络模型、更多神经网络模型、机器学习的步骤:训练与预测、训练的两阶段:正向推演与反向传播、以TensorFlow + Excel表达训练流程
发表于 11-05 17:48
处理单元(NPU)IP在内部开发,是一种超低功耗处理器,能够支持卷积神经网络(CNN)以及其他架构,包括递归神经网络(RNN)和长期短期支持内存(LSTM)
发表于 03-03 10:49
如何用stm32cube.ai简化人工神经网络映射?如何使用stm32cube.ai部署神经网络?
发表于 10-11 08:05
设备没有连接的时候。 在这种情况下,需要一个能够实时进行信号预处理和执行神经网络的平台,需要最低功耗,尤其是在一个电池设备上运行的时候。通过使用不同的工具(如 python 脚本) ,
发表于 11-09 08:06
微控制器 (MCU) 供应商正在稳步增加其设备中的内存容量,但这足以支持人工智能 (AI) 和物联网技术交叉点的设计需求吗?超低功耗 MCU 供应商 Ambiq Micro 与存储器公
发表于 11-10 07:28
这篇文章为大家介绍了一下面向低功耗AI芯片上的神经网络设计,随着这几年神经网络和硬件(CPU,GPU,FPGA,ASIC)的迅猛发展,深度学习在包...
发表于 12-14 23:40
•811次阅读
新型神经网络加速器 Maxim Integrated的新型MAX78000芯片,基于双核MCU,结合了
发表于 01-04 11:48
•2971次阅读
功耗是边缘人工智能 (AI) 应用的关键因素,其中整个系统由小型电池供电,预计无需充电或更换电池即可运行数月。MAX78002超低功耗
发表于 02-17 11:31
•1373次阅读
提出了一种集成传感和计算功能的MEMS神经网络以同时执行加速度传感和分类任务,这种一体化结构以零电路和低功耗运行。
发表于 05-15 09:58
•418次阅读
相比于云端AI,边缘AI具备实时性好、带宽资源要求低、隐私性高等特点,特别适合物联网应用。ADI的边缘AI低功耗微处理器领域的最新款产品是MAX78
发表于 12-15 12:36
•1304次阅读
神经网络能够以超低功耗执行,位于物联网的边缘。该器件结合了最节能的 AI 处理与 Analog Devices 久经考验的
发表于 07-11 09:25
•865次阅读
力不从心。神经网络作为一种强大的机器学习模型,能够提供高效的数据处理和分析能力,但其计算复杂度和资源需求往往超出了普通MCU的能力范围。因此,设计一种适合MCU
发表于 07-12 18:21
•1072次阅读
评论