3세대 지연 둔감 로직 적용, 가장 낮은 공급 전압에서도 안정적인 작동 가능
데이터의 자율 학습을 통해 광범위한 시스템 이상 감지 기술 영역 발전 구현

Eta Compute가 최신 머신러닝 SoC 제품을 출시한다고 17일 발표했다. 이번에 출시되는 TENSAI® 제품은 이미지 분류, 키워드 스포팅(음성 인식) 및 기동어(wakeup word) 탐지 기술이 담긴 획기적인 제품으로, 초저전력 임베디드 솔루션의 표준을 재정의한다.
 
TensorFlow의 Google Technical Lead인 피트 워든(Pete Warden)은 “작고 저렴한 배터리 구동 칩을 활용한 머신러닝의 시대가 열리게 되었다. 이 제품의 출시로 향후 놀랍고 새로운 여러 애플리케이션이 개발될 것”이라고 말했다.

이 TENSAI 칩은 Eta Compute의 3세대 지연 둔감(delay insensitive) 로직이 적용되어 가장 낮은 공급 전압에서도 안정적인 작동을 통해 전력 소모를 최소화할 수 있다.

Eta Compute가 개발한 SNN(spiking neural network) 커널과 CNN은 작업을 최소화하고 전력 소모를 저감시킨다. 음성, 이미지 및 분류되지 않은 기타 데이터의 자율 학습을 통해 장애 모드를 알지 못하거나 데이터를 수집하기 어려운 시스템에서 광범위한 시스템 이상 감지 기술 영역의 발전을 구현한다.

1장당 단 0.4mJ의 전력만 소모하는 이미지 분류 애플리케이션으로 최근 공개된 수치의 30배에 달하는 전력 소모 절감 효과가 있다. 분류 작업 중에는 500uA, 비작동 시에는 50uA를 소모하는 상시 작동 기동어 애플리케이션으로 각종 웨어러블 및 배터리 구동 소비자 전자제품의 엄격한 요건을 충족한다. 

ETA Compute의 CTO인 나라 스리니바사(Nara Srinivasa) 박사는 “특허받은 하드웨어 아키텍처(DIAL™)는 CNN 및 SNN을 기반으로 한 완전한 맞춤형 알고리즘과 결합하여 수백 마이크로 와트 수준에서 머신러닝 추론 작업을 수행한다”며 “스마트 스피커 및 네트워크의 경계에 기계 지능을 제공하는 객체 감지 플랫폼과 같은 제품에 통합하고 있는 고객들에게 이 제품의 샘플을 제공하고 있다”고 말했다.

이 프로세서는 최근 인기를 누리고 있는 TensorFlow® 또는 Caffe® 소프트웨어를 사용하여 교육할 수 있으며, 훈련된 모델은 Eta Compute의 맞춤형 커널로 더욱 최적화된다. TENSAI는 긴밀하게 통합된 DSP 프로세서와 마이크로 컨트롤러 아키텍처를 사용하여 임베디드 기계 지능의 사용 전력을 크게 저감한다.

이 솔루션은 모바일 기기, 웨어러블, 산업용 센싱 및 카메라 시장처럼 전력이 심각한 제약으로 작용하는 오디오, 비디오 및 신호 처리 분야의 광범위한 애플리케이션을 지원할 수 있다.

또한 미리 분류된 데이터가 부족하거나 그러한 데이터를 사용할 수 없어 제한적인 실제 상황에서도, 당사의 자율 학습 알고리즘은 실행 가능한 지능을 추출할 수 있다. 따라서 Eta Compute의 솔루션은 원격 환경에서 에너지를 수집하는 기기용 지능을 포함하여 훨씬 광범위한 기능을 제공한다.