Aspinity dévoile RAMP : processeur analogique réduisant la consommation edge de 10x

Aspinity, une startup de Pittsburgh fondée en 2015, lance mardi une plateforme RAMP (Reconfigurable Analog Modular Processor). Cette plateforme de traitement analogique ultra-basse consommation est conçue pour détecter, analyser et classifier des données brutes de capteurs — voix, alarmes, changements de vibration — directement dans le domaine analogique. Une fois le signal séparé du bruit de fond, RAMP transmet les données affinées pour numérisation.

(Source : Aspinity)

En priorisant l'analyse analogique d'abord, RAMP peut réduire la consommation d'énergie des appareils en périphérie jusqu'à dix fois et le volume de données d'un facteur cent pour les applications toujours actives, affirme Aspinity. La plateforme cible les dispositifs de détection toujours actifs, alimentés par batterie, dans les marchés grand public, maison intelligente, IoT et industriel.

L'analyste senior Mike Demler du Linley Group a déclaré à EE Times que la caractéristique remarquable de RAMP est sa consommation extrême — seulement 10 µA en opération active, une réalisation remarquable pour une puce analogique.

Le fondateur et PDG Tom Doyle a exprimé son enthousiasme après avoir entendu Gene Frantz discuter du besoin de ramener les réseaux de neurones vers l'analogique. Frantz, ancien fellow technologique de TI et maintenant professeur à l'Université Rice, a longtemps prôné le traitement de signal analogique dans l'IA. « C'est exactement ce que fait RAMP », a dit Doyle.

Analogique vs Numérique
D'autres vendeurs comme STMicroelectronics et Renesas promeuvent des dispositifs d'extrémité IA pour détection d'anomalies, mais ils s'appuient sur des circuits numériques et logiciels. ST utilise des cœurs ARM, tandis que Renesas propose un processeur DRP (Dynamically Reconfigurable Processor) hybride. En contraste, RAMP construit neurones et synapses entièrement avec des designs analogiques.

Comme RAMP n'échantillonne que les points de données les plus pertinents, il peut compresser les données de vibration de 100x, réduisant dramatiquement la quantité de données à transmettre pour analyse. Cette compression est critique pour les réseaux de capteurs sans fil alimentés par batterie.

Mythic vs Aspinity
Le calcul analogique était l'approche originale des réseaux de neurones. Aujourd'hui, des entreprises comme Mythic et Syntiant explorent le calcul analogique en mémoire pour abaisser la consommation vs moteurs d'inférence numériques. En éliminant les transactions mémoire numériques, d'importantes économies d'énergie et de surface de puce peuvent être réalisées.

L'architecture d'Aspinity stocke code et données mémoire intercalés avec les éléments de calcul, utilisant de la mémoire non-volatile pour l'efficacité. Contrairement à Mythic, qui accepte une entrée numérique et utilise des cellules flash comme éléments de conductance analogique, RAMP traite les signaux analogiques bruts à travers divers circuits analogiques paramétrés — amplificateurs, filtres, additionneurs, soustracteurs.

Précision 6-8 bits
Les circuits numériques offrent généralement plus de précision, mais pour de nombreuses applications une précision analogique de 6 à 8 bits est adéquate. Cette précision inférieure permet un design plus petit, moins consommateur, encore efficace pour des tâches comme la détection de mot de réveil.

En résumé, RAMP cible une niche de traitement acoustique ultra-basse consommation pour détection de wake-word et sons, permettant aux appareils d'entrer en sommeil profond quand inactifs.

Bien que l'analogique ait des défis comme la variabilité processus, tension, température, l'élimination des transactions mémoire numériques peut générer d'importants avantages en énergie et surface.

Applications
Aspinity envisage un marché croissant pour les appareils voice-first — enceintes intelligentes, wearables, hearables. Doyle imagine une télécommande TV voice-first fonctionnant un an sur une seule pile, donnant un avantage concurrentiel aux fabricants.

Les blocs analogiques de RAMP peuvent être reprogrammés avec des algorithmes spécifiques à l'application, lui permettant d'analyser des données analogiques brutes de divers capteurs, y compris accéléromètres industriels pour surveillance de vibrations.

Numériser d'abord vs Analyser d'abord (Source : Aspinity)

RAMP est un circuit à usage spécial. Les concepteurs doivent peser le coût vs bénéfice de l'ajouter aux appareils à activation vocale, mais il peut servir de front-end d'un processeur de parole plutôt que puce séparée.

Le PDG Doyle prévoit d'étendre au licensing IP en plus de la vente de puces. L'entreprise a partenarié avec plusieurs entreprises de consommation et puces et échantillonne la puce aujourd'hui, avec production en volume prévue début 2020.

Entreprise
Aspinity a été fondée pour commercialiser la recherche de l'Université West Virginia, détenant les droits exclusifs sur la technologie de l'université. La startup a levé 3,6-3,7 millions $ sur trois tours, avec Amazon participant à deux tours. Son équipe de dix ingénieurs apporte une expertise analogique extensive.

— Junko Yoshida, Co-Rédactrice en chef mondiale, AspenCore Media, Correspondante internationale en chef, EE Times

>> Cet article a été publié à l'origine sur notre site frère, EE Times : « Aspinity Puts Neural Networks Back to Analog. »