Afin d’intégrer facilement de l’apprentissage automatique au niveau "edge", SiMa.ai lance des cartes au standard PCIe et M.2

Le californien SiMa.ai, concepteur d’une puce-système destinée aux applications d’apprentissage automatique en périphérie de réseau (edge), veut faciliter le déploiement de sa technologie en proposant deux nouvelles cartes au format PCIe architecturées autour de son circuit intégré. Objectif affiché : aider au déploiement de systèmes d’apprentissage automatique (ML, Machine Learning) en périphérie de réseau avec des cartes standard, sans attendre que les cycles de développement de cartes en interne par les équipementiers arrivent à maturité.

Parallèlement, SIMa.ai annonce la mise à disposition des développeurs du logiciel Palette qui procure une expérience de type “bouton-poussoir” pour développer des applications ML complètes sur la plate-forme hétérogène MLSoC (Machine Learning SoC) de la jeune pousse créée en 2018.

Les cartes PCI Express mi-hauteur mi-longueur (PCIe HHHL, soit 68,9 x 160 mm) et les cartes Dual M.2 (46 x 110 mm) dévoilées sont spécialement conçues afin de nécessiter le moins d'énergie possible pour utiliser du ML en périphérie de réseau, soit moins de 15 W sur chacune des cartes.

Sur ces plates-formes, la puce-système MLSoC hétérogène intègre un processeur Arm Cortex-A65 à quatre coeurs, un encodeur/décodeur vidéo qui prend en charge la norme H.264, un bloc d’accélération d’algorithmes de Machine Learning (MLA, Machine Learning Accelerator) qui délivre une puissance de calcul jusqu'à 50 Tops (pour une enveloppe thermique limitée à 5 W) ainsi qu'un processeur de vision artificielle.

Cette puce MLSoC est présentée par ses concepteurs comme la première solution unifiée pour applications edge de vision industrielle embarquées, capable d’effectuer des calculs traditionnels et de l'inférence sûre et sécurisée à la fois hautes performances et basse consommation. La start-up estime offrir le nombre d’images traitées par seconde et par watt (FPS/W) le plus élevé du marché – au-delà de 1 000 FPS/W lors de l’exécution du modèle de réseau de neurones profonds ResNet-50 – soit un chiffre de dix fois supérieur à celui affiché par des solutions concurrentes.

« En commercialisant ces cartes PCIe et M.2, programmées avec notre logiciel Palette, nous souhaitons proposer aux développeurs une solution logicielle et matérielle complète pour les applications de machine learning sur le terrain, précise Krishna Rangasayee, CEO et fondateur de SiMa.ai. Avec cette approche ils peuvent non seulement développer mais aussi déployer rapidement n'importe quelle application de vision ML avec des performances de calcul très élevées. »

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA