Po co ufać firmie?
Przejmujemy panikę z zamówień. Mamy miliony trudno dostępnych części z naszych zaufanych źródeł. Odświeżamy nasze oferty produktów o kilka minut, a zakupy online są realizowane w czasie rzeczywistym i wysyłane codziennie.
Założona w 2002 r. MFGChips jest lokalnym liderem w dystrybucji elementów elektronicznych, a także jest uznawana za jedną z najbardziej szanowanych i innowacyjnych firm na lokalnym rynku. Siedziba główna MFGChips z siedzibą w Hongkongu zyskała imponującą reputację dzięki doskonałej obsłudze i opracowywaniu wydajnych, kompleksowych globalnych rozwiązań w zakresie łańcucha dostaw.
Ucz się więcej >
Pierwszy na świecie neuromorficzny mikrokontroler
Chip wykorzystuje technologię podobną do mózgu do przetwarzania danych czujników na urządzeniu, zmniejszając zużycie energii i opóźnienia oraz umożliwiając szybsze działanie urządzeń.
Innatera wprowadziła Pulsar, pierwszego mikrokontrolera opartego na obliczeniach neuromorficznych.Chip wykorzystuje wzbudzone sieci neuronowe (SNN), które naśladują sposób reagowania neuronów na zmiany wkładu.Pulsar obejmuje również procesor RISC-V i akceleratorów sprzętowych do splotowych sieci neuronowych (CNN) oraz szybkie transformacje Fouriera (FFTS), obsługujące mieszane przetwarzanie AI.
Zbudowany do przetwarzania krawędzi, pulsar przetwarza dane czujnika u źródła.Może wykonywać wykrywanie obecności opartego na radarach przy użyciu klasyfikacji sceny 600 µW i sceny audio przy 400 µW.Chip ma niskie zapotrzebowanie na pamięć i obsługuje kompaktowe modele neuronowe, dzięki czemu nadaje się do użytku w urządzeniach małych i zasilanych baterią.
W przeciwieństwie do procesorów AI, które zależą od serwerów chmurowych lub chipsów o dużej mocy, Pulsar obsługuje lokalne podejmowanie decyzji.Obsługując dane na poziomie czujnika, usuwa potrzebę częstej komunikacji w chmurze lub regularnego korzystania z głównego procesora.Zmniejsza to opóźnienie - UP do 100 razy - i zużycie mocy - UP do 500 razy - złożone w stosunku do obecnych alternatyw.
Architektura neuromorficzna działa dobrze w przypadku zadań opartych na zdarzeniach, takich jak wykrywanie zmian lub klasyfikowanie danych wejściowych.Ponieważ SNN aktywują się tylko po zmianach wejściowych, zużywają mniej energii w okresach nieaktywnych.Projekt Pulsar obsługuje mieszankę zadań przetwarzania sygnałów i uczenia się na jednym układie.
Chip umożliwia programistom dodawanie możliwości przetwarzania zwykłymi czujnikami, przekształcając je w samodzielne moduły.To obniża liczbę części systemowych, skraca czas rozwoju i łagodzi integrację.
Z pulsar, systemy w urządzeniach do noszenia, domy, pojazdy i maszyny mogą szybko reagować bez ciągłego losowania mocy lub użycia osobnych procesorów.W niektórych konfiguracjach Pulsar może przyjąć rolę głównego procesora, oszczędzając energię i zmniejszając koszty.
Lokalne przetwarzanie z PULSAR pomaga również zmniejszyć opóźnienia i chronić dane, ponieważ informacje nie opuszczają urządzenia.Jest to szczególnie przydatne w zastosowaniach takich jak śledzenie zdrowia, bezpieczeństwo i monitorowanie sprzętu.Pulsar obsługuje uczenie się na urządzeniu, otwierając drogę dla systemów krawędziowych, które dostosowują się i poprawiają po wdrożeniu.
„Pulsar to nie tylko kolejny układ AI-reprezentuje fundamentalną zmianę w tym, jak wprowadzamy inteligencję na krawędź”, mówi Sumeet Kumar, współzałożyciel i dyrektor generalny Innatera.