L'embarqué > Matériel & systèmes > Composant > NXP va intégrer le processeur neuronal Arm Ethos-U55 dans ses microcontrôleurs à cœur Cortex-M

NXP va intégrer le processeur neuronal Arm Ethos-U55 dans ses microcontrôleurs à cœur Cortex-M

Publié le 02 mars 2020 à 10:09 par Pierrick Arlot        Composant  NXP

NXP

NXP s’est engagé dans un partenariat d’envergure avec Arm lié au cœur de processeur neuronal microNPU Ethos-U55, dévoilé par la firme britannique il y a quelques semaines et conçu pour les objets connectés et les systèmes embarqués aux ressources limitées. Dans ce cadre, la société batave va intégrer l’Ethos U-55 dans ses circuits architecturés autour de cœurs Arm Cortex-M, c’est-à-dire au sein de microcontrôleurs, de processeurs crossover ainsi que dans les sous-systèmes temps réel de ses processeurs d’application.

Cette décision, ajoute NXP, est à replacer dans la stratégie de la société de semi-conducteurs visant à étoffer ses offres dopées à l’apprentissage automatique ML (Machine Learning), à l’instar des processeurs i.MX 8M Plus annoncés en janvier lors du CES 2020 et dotés d’une unité de traitement neuronal spécifique.

Avec l’Ethos-U55, Arm estime avoir mis sur le marché le premier « micro » processeur neuronal (microNPU) pour l’architecture Cortex-M. Configurable et travaillant de concert avec un cœur Cortex-M, cet accélérateur ML afficherait des performances en inférence trente fois supérieures à celles des microcontrôleurs haut de gamme. Le microNPU a été spécifiquement conçu pour accélérer les calculs d’inférence dans des produits IoT et/ou embarqués caractérisés par leur compacité. Selon Arm, il met en œuvre des techniques de compression qui abaissent la consommation électrique (de 90% dans seulement 0,1 mm2) et réduisent considérablement la taille des modèles ML pour permettre l'exécution de réseaux de neurones qui jusqu’alors ne pouvaient s’exécuter que sur des systèmes plus larges.

NXP rappelle par ailleurs que son portefeuille d’éléments de traitement ML (CPU, GPU, DSP et NPU) peut être mis en œuvre avec l’environnement de développement d'apprentissage automatique eIQ, qui offre une variété de moteurs d'inférence open source populaires fournissant les performances requises pour l'élément de traitement choisi. Et ce pour des applications telles que la détection d'objets, la reconnaissance des visages et des gestes, le traitement du langage naturel ou la maintenance prédictive.

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

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée aux microcontrôleurs : Embedded-MCU

 

Sur le même sujet