Инженер

Архитектура однокристального цифрового сигнального процессора DSP-1 компании Bell Labs оптимизирована для электронных коммутационных систем. Цифровая обработка сигналов (DSP) использует математические методы для анализа аналоговых сигналов от естественных и электронных источников, чтобы отделить информацию от фонового шума.

После преобразования в цифровую форму алгоритмы, такие как быстрое преобразование Фурье, фильтруют и восстанавливают данные, готовые к преобразованию обратно в пригодный для использования аналоговый сигнал. Возможности DSP были реализованы в каждом поколении технологий от электронных ламп до ИС в аудио, коммуникациях, изображениях, радарах, гидролокаторах и системах распознавания голоса.

Умножители 2 x 4 от Fairchild (9334) и AMD (2505) в 1970 году были одними из первых стандартных продуктов IC для ускорения алгоритмов обработки сигналов с большим количеством математических вычислений. Продукты TRW LSI использовали тройной диффузный биполярный процесс для создания более сложных функций, таких как умножитель 16x16 (MPY 16), используемый вместе с процессором AMD 2901 bit-slice для видео и оборонных приложений в конце 1970-х годов. Периферийные микросхемы MOS для обеспечения обработки сигналов с использованием универсальных MPU включали AMI S2811 (1978) для Motorola 6800 и 2920 от Intel (1979), которые объединяли программируемую цифровую обработку и схемы преобразования данных (1968 Milestone) .

Однокристальные DSP-процессоры по сути являются микропроцессорами с дополнительными сложными математическими возможностями. Однокристальный DSP-1 от Bell Labs, ключевой компонент цифрового коммутатора ESS от AT&T, появился в мае 1979 года. Фиксированная точка µPD7720 от NEC, представленная в 1980 году для приложений голосового диапазона, была одним из самых коммерчески успешных ранних DSP. Семейство 16-битных программируемых DSP-устройств TMS 320 от TI с 1983 года нашло широкое применение в потребительских товарах от сотовых телефонов до игрушек. Последующие поколения более высокоинтегрированных DSP от TI, а также Analog Devices, Motorola и других обеспечивают работу современных мобильных телефонов, дисководов и HDTV-продуктов.

Продолжаем изучать материалы исходника, с которого создавался советский металлический конструктор- это наборы Английской фирмы MECCANO, популярные до сих пор. В их журналах для детей иногда мелькали реально безумные и шедевральные варианты сборок. Отметим, что и деталей для сборки требовалась масса, иногда даже не совсем стандартных.

Канал на Дзене: https://dzen.ru/hydroprepod Канал в Telegram: https://t.me/HYDReducation

Современные искусственные интеллекты, в отличие от мозга животных и человека, пока не могут похвастаться низким энергопотреблением. Однако ученые активно работают над снижением энергозатрат, и их усилия уже приносят результаты. Например, исследователи из компании BitEnergy разработали алгоритм L-Mul, который способен уменьшить энергопотребление ИИ на 95%.

Недавно компания Ambient Scientific представила плату Sparsh GPX10, оснащенную модулем искусственного интеллекта, работающим от миниатюрной батарейки-таблетки. Это компактное устройство включает в себя датчики движения, цифровой микрофон и Bluetooth-модуль, что делает его идеальным для задач распознавания активности, голосового управления и анализа акустических событий. Плата может функционировать непрерывно в течение нескольких месяцев без замены батареи, открывая новые горизонты для разработчиков, стремящихся к созданию автономных и энергоэффективных ИИ.

Традиционные микроконтроллеры заставляют разработчиков выбирать между производительностью ИИ и энергопотреблением. Новый сверхмаломощный ИИ-процессор GPX10, использующий передовую технологию аналоговых вычислений непосредственно в памяти, призван решить эту проблему. Он позволяет создавать точные ИИ-приложения без компромиссов в отношении времени работы батареи и производительности, открывая широкие возможности для применения.

GPX10 идеально подходит для устройств с повышенным уровнем энергопотребления, где ИИ должен функционировать постоянно. Внутри процессора расположены десять ядер DigAn AI и интегрированная система на кристалле (SoC), которая включает преобразователь сигнала из аналогового в цифровой (АЦП), специальную память SRAM и поддержку дополнительных устройств. Это делает GPX10 универсальным решением для задач ИИ на периферийных устройствах. Архитектура процессора специально разработана для выполнения функций нейронных сетей, оптимизируя как энергопотребление, так и возможности программирования.

Чтобы облегчить работу разработчиков, Ambient Scientific выпустила удобный набор инструментов для тестирования и настройки ИИ для встраиваемых устройств. Этот комплект включает всё необходимое для создания нейросетей, а также доступ к образцам приложений и алгоритмов ИИ, что позволяет разработчикам быстро начать работу над своими проектами.

Плату Sparsh можно использовать для прогнозирования поломок оборудования, создания медицинских приборов с искусственным интеллектом, носимой электроники и игрушек, которые понимают голосовые команды. Ambient Scientific планирует представить Sparsh на выставке CES 2025, где проведет живую демонстрацию ИИ, работающего от батареек-таблеток.