Technologia RAMP – 10-krotnie zredukowanie energii w urządzeniach stale aktywnych i nasłuchujących

W ciągu następnych pięciu lat, miliony głośnomówiących, zawsze czuwających i nasłuchujących urządzeń, które działają na baterii, będą pomagać nam w naszym codziennym życiu; w domu i w pracy. Będą mogły na przykład odtwarzać wybraną muzykę, kontrolować nasze sprzęty i całe domy na życzenie, ostrzegać nas o niebezpieczeństwie, monitorować zużycie sprzętu fabrycznego, a nawet ciągle monitorować stan naszego zdrowia. Urządzenia te są zawsze włączone, stale digitalizując i analizując wszystkie dane z czujników (np. mikrofonów lub sensorów światła), czekając na wykrycie przypadkowego, sporadycznego zdarzenia, które je wyzwoli w celu do uruchomienia wybranej funkcji. Do takich zdarzeń zaliczyć można wykrywanie głosu, uruchomienie alarmu lub zmiana częstotliwości wibracji sprzętu, ścian, okien, itp. Ta ciągła analiza danych, która jest w większości nieistotna, jest rażąco nieefektywna. Jest to bowiem wydatkowanie cennej mocy i zasobów na przetworzenie sygnałów i danych, które ostatecznie zostaną wyrzucone. I tu właśnie wkracza technologia RAMP od Aspinity, która ma pomóc w tworzeniu nowej generacji tego typu urządzeń (nie tylko mobilnych), ciągle aktywnych i nasłuchujących, zwiększając żywotność baterii. Czym jest technologia RAMP? Aspinity oferuje całkowicie nowe podejście architektoniczne do oszczędzania energii i zasobów przetwarzania danych, dla aplikacji stale aktywnych. Jego skalowalna i programowalna technologia RAMP (Reconfigurable Analog Modular Processor) wdraża potężne rozwiązania machine-learning w formie bardzo energooszczędnego, neuromorficznego procesora analogowego. Jest on w stanie wykrywać unikalne zdarzenia z szumu tła i to zanim jeszcze sygnał i dane zostaną poddane obróbce i przetwarzaniu. Dzięki bezpośredniej analizie danych analogowych surowych z różnych czujników, pod kątem tego co jest ważne, układ RAMP eliminuje przetwarzanie nieistotnych danych wymagających wykorzystania większej mocy i energii. Poza tym projektanci systemu będą mogli przestać poświęcać funkcje i dokładność, aby wydłużyć czas pracy baterii. Rozwiązanie Aspinity z podejściem „najpierw-analizuj” sprawia, że możliwe jest zredukowanie zużycia energii przez systemy ciągle-aktywne nawet 10-krotnie, a w przypadku wymagań co do danych, ich gromadzenia i przetwarzania, nawet 100-krotnie, jak podają twórcy. W porównaniu do obecnych, standardowych rozwiązań. Platforma elastyczna i programowalna Analogowe bloki układu RAMP można przeprogramować za pomocą specyficznych, dla danej aplikacji algorytmów, do wykrywania różnych zdarzeń i różnych typów danych wejściowych czujnika. Przykładowo: projektanci mogą używać układu RAMP do aplikacji zawsze nasłuchujących, w których układ RAMP oszczędza moc systemu, utrzymując resztę systemu w stanie uśpienia, zużywając bardzo mało energii, aż określony dźwięk, taki jak głos lub alarm, nie zostanie wykryty. W odróżnieniu od innych rozwiązań z czujnikami krawędziowymi do wykrywania aktywności głosowej, układ RAMP wspierać ma systemy typowo głosowe, przechowując dane wybudzającej komendy głosowej, pozwalającej wybudzić cały system. W zastosowaniach przemysłowych projektanci mogą wykorzystać układ RAMP do wybierania tylko najważniejszych punktów danych z tysięcy punktów danych z czujników. Przykładem może być kompresowanie danych wibracyjnych w zmniejszoną liczbę par częstotliwość-energia, a tym samym radykalne zmniejszenie ilości danych zbieranych i przesyłanych do dalszej analizy. Dzięki tak dużej elastyczności programowania, a także szerokiemu wsparciu algorytmów dla różnych typów analiz i danych wyjściowych, układ RAMP w unikalny sposób umożliwia tworzenie nowej generacji mniejszych, tańszych, bardziej wydajnych (szczególnie pod kątem energetycznym) urządzeń stale aktywnych. W przypadku aplikacji zasilanych z baterii (akumulatorów), czas pracy może ulec znacznemu wydłużeniu. © Aspinity Innowacyjność analogowa Opatentowana i innowacyjna technologia RAMP zapewnia zaawansowane przetwarzanie sygnałów w sposób analogowy, w oparciu o różnorodne algorytmy. Aspinity wykorzystało nieliniową charakterystykę niewielkiej liczby tranzystorów, aby umożliwić wprowadzenie nowego architektonicznego podejścia do uczenia maszynowego: modułowe, równoległe i stale działające bloki analogowe naśladują wydajną sieć neuronową mózgu. To niezwykłe podejście owocuje ogromnymi korzyściami dla projektantów aplikacji stale aktywnych. Szczególnie tych mobilnych. Wspomniane bloki te można konfigurować pod różne, nawet typowe zadania analogowe, takie jak interfejsy czujników, aplikacje przetwarzania sygnału i konwersja danych, a także bardziej złożone zadania, takie jak ekstrakcja cech, wykrywanie zdarzeń i klasyfikacja. Każdy z tych bloków jest zaimplementowany w znacznie mniejszym zakresie niż tradycyjny blok analogowy i umożliwia wczesne wykrywanie zdarzeń z surowych, nieustrukturyzowanych danych z czujnika analogowego.