...

NT Adaptive ™ PCIe

NT ADAPTIVE PCIE 4 NM500

Especificaciones técnicas

Reconoce: Señales, imágenes, vídeo
Montaje: Carcasa 2U
Control: FPGA
Neurochip: NM500
Número de neurochips: 4
Número de neuronas: 2304
Vectores por segundo: < 96 μsec
Longitud máxima del vector: 256 bytes
Memoria FLASH: Memoria interna del PC
Puertos: Bus PCIEx
Interfaces: PCI Express X1 2.5 GT/s
RTC: No
Alimentación: 12V DC
Consumo de energía: <4 vatios
Dimensiones (AlxLxAn): 8x120x68 mm
NT ADAPTIVE PCIE 8 NM500

Especificaciones técnicas

Reconoce: Señales, imágenes, vídeo
Montaje: Carcasa 2U
Control: FPGA
Neurochip: NM500
Número de neurochips: 8
Número de neuronas: 4608
Vectores por segundo: < 96 μsec
Longitud máxima del vector: 256 bytes
Memoria FLASH: Memoria interna del PC
Puertos: Bus PCIEx
Interfaces: PCI Express X1 2.5 GT/s
RTC: No
Alimentación: 12V DC
Consumo de energía: <4 vatios
Dimensiones (AlxLxAn): 8x120x68 mm
NT ADAPTIVE PCIE 16 NM500

Especificaciones técnicas

Reconoce: Señales, imágenes, vídeo
Montaje: Carcasa 2U
Control: FPGA
Neurochip: NM500
Número de neurochips: 16
Número de neuronas: 9216
Vectores por segundo: < 96 μsec
Longitud máxima del vector: 256 bytes
Memoria FLASH: Memoria interna del PC
Puertos: Bus PCIEx
Interfaces: PCI Express X1 2.5 GT/s
RTC: No
Alimentación: 12V DC
Consumo de energía: <4 vatios
Dimensiones (AlxLxAn): 8x120x68 mm

SERIE DE PLACAS DE CONTROL NEUROMÓRFICAS CON INTERFAZ PCIE

Las placas de control de la serie NT Adaptive PCIe con memoria neuromórfica no tienen microcontrolador y pueden instalarse en cualquier PC u otro dispositivo con conector PCIe. Las placas NT Adaptive PCIe están disponibles en tres versiones: con 4, 8 o 16 chips neuronales.

Ejemplos de vídeo

Se presenta la capacidad de la tecnología neuromórfica para identificar las posiciones de interruptores automáticos y LED que indican el estado de equipos reales.

El programa está desarrollado en Python y combina varias opciones para demostrar las posibilidades de los chips neuromórficos. Reconocimiento de posiciones de unidades automáticas de alimentación, indicación luminosa de lámparas de control, indicaciones de manómetros de aguja, valores de indicadores de siete segmentos y posiciones de conmutadores rotativos.

Se muestra un programa de demostración escrito en Python. Este programa utiliza una combinación de la biblioteca abierta OpenCV y el chip CM1K (NM500) al trabajar con la placa de expansión PCIe. OpenCV se utilizó para buscar rostros en fotografías, mientras que el entrenamiento y el reconocimiento de los propios rostros se realizaron mediante chips neuromórficos.

Demostración del programa desarrollado en Python. Demostración de la secuencia de selección de imágenes, selección de ROI, selección y ajuste de parámetros de un chip neuromórfico, como MAXIF, categorías, entrenamiento y verificación de los resultados del aprendizaje. Este programa utiliza chips neuromórficos en una placa PCIe.

Controlador neuromórfico

Descripción general

NT Adaptive PCIe es una red neuronal de silicio totalmente paralela: es una cadena de elementos idénticos (neuronas) direccionados en paralelo y que tienen su propio material “genético” para aprender y recordar patrones sin ejecutar una sola línea de código y sin informar a ninguna unidad supervisora. Además, las neuronas colaboran plenamente entre sí mediante un bus neuronal bidireccional y paralelo, que es la clave para la precisión, la adaptabilidad y el rendimiento de velocidad. De hecho, cada neurona incorpora información de todas las demás neuronas en su propia lógica de aprendizaje y en su lógica de respuesta.
El acceso a la red se realiza a través de la interfaz PCIe.

Descripción del controlador

Características principales de la red neuronal

  • Grupo de 2304 neuronas idénticas (hasta 256 componentes), que reconocen el mismo patrón de entrada en paralelo;
  • El tamaño de los componentes es de 8 bits;
  • Todas las neuronas tienen el mismo comportamiento y ejecutan las instrucciones en paralelo, independientemente del clúster o incluso del chip al que pertenezcan;
  • Aprendizaje y reconocimiento de alta velocidad para una neurona (<80 μs);
  • Las neuronas pueden asociarse a diferentes contextos (hasta 128), y su uso puede activarse o desactivarse seleccionando un valor de contexto;
  • Sin controlador ni supervisor;
  • Selección de uno de dos clasificadores: K-Nearest Neighbor (KNN) o Radial Basis Function (RBF);
  • Selección de una de dos métricas: L1 (distancia de Manhattan) o Lsup (distancia de Chebyshev);
  • El tiempo de reconocimiento es independiente del número de neuronas utilizadas;
  • Generador automático de modelos integrado en las neuronas

Operaciones

  • La interfaz con la red neuronal se reduce a 4 operaciones principales:
  • Aprender un vector;
  • Reconocer un vector;
  • Guardar el conocimiento construido por las neuronas;
  • Cargar conocimiento en las neuronas.

Estas operaciones se ejecutan mediante funciones API.

Estructura de datos

El contenido de cada neurona se guarda en 263 bytes de la siguiente manera:

  • 256 bytes de vector;
  • 1 byte de contexto;
  • 2 bytes del campo de influencia mínima;
  • 2 bytes del campo de influencia activa;
  • 2 bytes de categoría.


Especificaciones eléctricas

Fuente de alimentación Vcc 12 VDC
Potencia total hasta 4 W

Especificación de interfaz

PCI Express X1 2,5 GT/s (PCI Express Base Specification, rev. 2.1)

Especificación mecánica

Para instalación en una carcasa 2U.
Dimensiones 120×68 mm.

Especificación climática

Temperatura de funcionamiento -40…+60 ℃
Temperatura de almacenamiento -50… +80 ℃

Los controladores NT Adaptive AI identifican varias señales y realizan acciones programadas.

Las placas neuronales NT Adaptive PCIe pueden reconocer imágenes estáticas y de vídeo, sonidos, diversas señales eléctricas, texto y datos.

El proceso de reconocimiento de señales en chips neuromórficos se realiza a nivel de hardware y proporciona una gran aceleración para el procesador central. Los controladores reconocen señales en microsegundos con solo milivatios de potencia.

Posibilidades:

  • Identificación;
  • Clasificación;
  • Detección de novedad;
  • Detección de anomalías;
  • Segmentación contextual de imágenes;
  • Seguimiento con aprendizaje reforzado a medida que cambia el objetivo;
  • Evaluación de distancia estereoscópica;
  • Detección de bordes;
  • Eliminación de ruido;
  • Compresión de imágenes;
  • y otras.

Áreas de aplicación:

  • Industria;
  • Agricultura;
  • Medicina;
  • Sector militar;
  • Seguridad;
  • Estadística;
  • Educación;

y otras.

Dimensiones de la placa NT Adaptive PCIe: 120x68x20 mm

Los paneles de placas neuronales NT Adaptive PCIe pueden contener 2304, 4608 o incluso 9216 neuronas.

El acceso a la red neuronal se realiza a través de la interfaz PCIe.

Seraphinite AcceleratorOptimized by Seraphinite Accelerator
Turns on site high speed to be attractive for people and search engines.