A l’occasion du CES 2023 qui s’est tenu début janvier, la jeune société californienne Quadric, créée en 2016, a annoncé une collaboration stratégique avec ams Osram, spécialiste des capteurs, des LED et des solutions optoélectroniques, afin de développer des modules de détection intégrés combinant la famille Mira de capteurs d’images visibles et infrarouges Cmos de la firme autrichienne avec ses processeurs neuronaux GPNPU Chimera. Ces modules à très faible consommation devraient ouvrir la voie à des applications de détection intelligente dans des domaines comme les dispositifs électroniques portés sur soi, la robotique, l’industriel et la sécurité.

Annoncés officiellement en novembre 2022, les processeurs neuronaux à usage général (GPNPU) Chimera de Quadric s’appuient sur une architecture matérielle et logicielle optimisée pour le traitement de tâches d’intelligence artificielle en périphérie de réseau (edge). Mais, selon la jeune société, ils offrent la possibilité de traiter à la fois les graphes d'apprentissage automatique (ML) et les algorithmes C++ de traitement de données parallélisées sur une architecture unifiée. Et ce alors que la plupart des solutions concurrentes associent des grappes de processeurs généralistes (CPU) à des accélérateurs neuronaux (NPU) propres à une application donnée.

Bâtie sur une structure hybride Von Neumann et flux de données (Dataflow), l'architecture unifiée de Quadric, quant à elle, serait suffisamment flexible pour accélérer l'ensemble du pipeline applicatif sans avoir besoin de recourir à un CPU puissant. Outre des performances d'inférence ML éco-efficaces, la solution de la start-up offre également des capacités de contrôle et de traitement du signal à usage général, combinant ainsi les meilleurs attributs des accélérateurs neuronaux et des DSP.

A ce titre, affirme la société américaine, les GPNPU Quadric peuvent exécuter à la fois des graphes de réseau de neurones et du code C++ pour le prétraitement et le post-traitement du signal et ce à des niveaux de dissipation thermique considérablement inférieurs à ceux des autres puces IA pour périphérie de réseau.

« L’apprentissage automatique s'infiltre dans presque toutes les applications où les DSP sont traditionnellement utilisés pour le traitement de la vision, de l'audio, du son, des communications, les données de capteurs…, indique Veerbhan Kheterpal, cofondateur et CEO de Quadric. Les solutions sur silicium qui tentent de relever le défi de l'inférence ML ont ajouté des accélérateurs en tant que cœurs auxiliaires aptes à décharger de cette opération les DSP ou les processeurs existants. La limitation de cette approche est liée au fait que les programmeurs doivent, de manière plus ou moins habile, répartir leur code sur les différents cœurs du système, puis ajuster l'interaction entre ces cœurs pour obtenir les objectifs de performances souhaités. La nouvelle famille de processeurs Chimera propose au contraire une architecture unifiée à cœur unique pour l'inférence ML et le traitement C++ conventionnel des images, de la vidéo, des signaux radar ou d'autres types de signaux, éliminant de ce fait les défis que posent les architectures multicœurs. »

A l’heure actuelle, Quadric propose trois cœurs GPNPU dont les performances s’étagent entre 1 et 16 Tops (téraopérations par seconde) pour l’apprentissage machine et 6 Gops et 1 Tops pour les opérations DSP.

De leur côté, les capteurs d'image Cmos d'ams Osram mettent l’accent sur la faible consommation et sur des dimensions compactes à diverses résolutions.

« La combinaison de nos capteurs et des processeurs de Quadric sur un module basse consommation unique va ouvrir de vastes opportunités dans le déploiement de la détection de vision intelligente, s’est réjoui Joost Seijnaeve, vice-président et directeur général en charge des capteurs d'image Cmos chez ams Osram. Les équipementiers n'ont plus besoin de recourir à des puces edge de 5 W ou à des cartes de traitement de 15 W pour exécuter des fonctions de détection intelligentes telles que la détection de posture d’une personne, l'identification du visage, la détection et la reconnaissance d'objets ou l'analyse de scènes. Ces fonctions peuvent désormais être intégrées sur un seul module de détection et de traitement ne consommant que quelques centaines de milliwatts et répondant à des besoins exprimés par des secteurs comme l'automobile, l’électronique grand public, l’industriel, etc. »

Précisons que Quadric, qui commercialise sa technologie auprès des fabricants de semi-conducteurs et des équipementiers, a bouclé en 2022 un tour de table de série B de 31 millions de dollars qui a réuni Xerox Ventures, Mesh Ventures, Denso, MegaChips, Leawood VC, Pear VC, Uncork Capital et Cota Capital.

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