Le fournisseur américain de semi-conducteurs Analog Devices annonce la disponibilité de son outil logiciel AutoML for Embedded, une solution de développement pour systèmes embarqués développée en partenariat avec la firme suédoise Antmicro, société d'ingénierie spécialiste notamment des logiciels de conception open source pour systèmes embarqués.

Accessible au sein du framework Kenning d’Antmicro, destiné à créer des flux de déploiement et des environnements d'exécution pour les applications de réseau de neurones profonds (Deep Neural Network) sur divers matériels cibles, cette solution est désormais intégrée à la solution CodeFusion Studio d’Analog Devices.

Selon Analog Devices, à l’heure où l’intelligence artificielle (IA) migre rapidement vers la périphérie du réseau et où la demande en appareils embarqués intelligents explose, les développeurs sont dans l’obligation d’agir avec toujours plus de célérité. Or ils rencontrent souvent des difficultés pour monter des modèles puissants sur des microcontrôleurs de petites dimensions et sont confrontés à une courbe d’apprentissage pour l'implantation de modèles d'IA longue et parois complexe : prétraitement des données, sélection des modèles, réglage des hyperparamètres, optimisations spécifiques au matériel, etc.

Pour les aider à gérer ces contraintes, Analog Devices a donc codéveloppé AutoML for Embedded avec Antmicro en vue de rendre les applications d'IA embarquées à la fois plus accessibles, efficaces et évolutives. En d’autres termes, il s'agit de pouvoir créer et déployer des modèles d'apprentissage automatique robustes, en particulier sur des microcontrôleurs, sans avoir à gérer un code complexe ni des contraintes matérielles.

Concrètement, AutoML for Embedded simplifie ce processus en automatisant le pipeline d’apprentissage automatique de bout en bout afin de permettre aux développeurs ne disposant pas d’expertises spécifiques en science des données de créer des modèles efficaces et de haute qualité capables d’afficher de solides performances.

Dans le détail, l’outil automatise la recherche et l'optimisation de modèles grâce à des algorithmes spécifiques qui exploitent la technologie SMAC (Sequential Model-based Algorithm Configuration) pour explorer efficacement les architectures et les paramètres d'entraînement des modèles. Il intègre dans son analyse l’adaptation de la taille du modèle à la mémoire RAM du périphérique disponible. Les modèles candidats peuvent ensuite être optimisés, évalués et comparés grâce aux flux standard de l'environnement Kenning, avec des rapports détaillés sur la taille, la vitesse et la précision pour guider les décisions de déploiement.

Analog Devices indique que lors d’une récente démonstration, cet outil a été utilisé pour créer un modèle de détection d’anomalies sur des données de séries chronologiques sensorielles avec le microcontrôleur ADI MAX32690 de la société. Ce modèle a été déployé à la fois sur un équipement physique et sur son jumeau numérique avec le simulateur Renode d’Antmicro, démontrant une intégration transparente doublée d’une capacité de surveillance des performances en temps réel de l’application.