エッジAI
AIをクラウドからエッジへ
ますます幅広いアプリケーションで採用が進むAIは、サービスだけでなく、日常的に使用される機器や装置に大きな変革をもたらしています。こうしたAIのほとんどは、強力なリモート･データ･センターを利用して、ローカル･デバイスによって収集されたデータを処理するクラウド･コンピューティングに依存しています。
エッジAIは、AIアルゴリズムやAIモデルをIoT機器や産業用 / 車載用組込みシステムなどのデバイスに直接実装されるものです。このアプローチは、データ･ソースでのリアルタイム処理や分析を可能にし、瞬時に判断して適応的に動作できる自律型インテリジェント･デバイスの実現に貢献します。
エッジAIは、クラウドAIと比べてさまざまなメリットを提供します。高速化や超低遅延化、データ伝送負荷の大幅な低減、セキュリティの大幅な強化が挙げられます。また、クラウド上で動作する推論アルゴリズムが数ワット程度なのに対して、エッジ･デバイス上では数ミリワットあるいは数マイクロワットで動作するため、消費電力の大幅な削減につながります。さらに、プライバシー保護にも貢献します。
エッジAIは、あらゆる市場のシステム開発者やサービス開発者に多くの可能性を提供し、クラウドを使用する場合に比べてわずかなコストで新たなアプリケーションの開発を可能にします。
組込みAIの実装を
サポートするST
組込みAIの実装をサポートするST STは、初心者からエキスパートまで、あらゆるユーザに最適な組込みAIソリューションを提供しています。
研究、イノベーション、開発への投資により、組込みAIの能力を利用するために顧客が必要とするソリューションを生み出すとともに、小型IoT機器における機械学習のさらなる高効率化に向けて、tinyMLコミュニティに積極的に参加しています。
STの製品および設計ツールは、STのマイコン / マイクロプロセッサやスマート･センサへの迅速な組込みAI実装に貢献し、より高効率でサステナブルなAIソリューションを実現します。
こうした取組みはまだ始まったばかりです。STの最新技術の進展は組込みAIに変革をもたらします。
イノベーションへの道筋を簡素化
>イノベーションへの道筋を簡素化
ST Edge AI Suiteは、無償ツール、使用例、リソースを提供し、マイコン、MPU、スマート･センサ上にAIを実装します。
ST Edge AI Suiteへ移動
STM32マイコン &
マイクロプロセッサで
エッジAI
STM32エッジAIソリューションは、デバイスをスマート化、高効率化、ユーザ･エクスペリエンスの向上に貢献し、多くの新たなアプリケーションの可能性を開きます。STは、STM32マイコン / マイクロプロセッサを使用した機械学習アルゴリズムの開発･評価･展開を迅速かつコスト効率の高い方法で行う上で役立つ使いやすいオンライン･ツールやソフトウェアを提供しています。
詳細はこちら
センサでエッジAI
STのスマート･センサは、機械学習コアまたはエッジAI専用の高度なDSPを内蔵しており、産業機器からIoT機器まで幅広いアプリケーションでコンテキスト認識が可能です。これにより、センサで情報を処理し、意味のあるデータのみをマイコンと共有することができます。スマート･センサは、システム全体の消費電力削減や、システムの高効率化に貢献します。
詳細はこちら
車載アプリケーションでエッジAI
STのSPC5Studio.AIを使用して、 SPC58マイコンで車載用ニューラル･ネットワーク･モデルの変換･解析･展開を行うことにより、安全性、効率、および全体的なドライビング体験を向上させることができます。
最新のStellar Eマイコン用エッジAIプラグイン･ツールは、ご要望に応じて提供可能です。
詳細はこちら
STの最新エッジAI関連論文
| タイトル | 著者 | 掲載元 | |
|---|---|---|---|
| Improving Robustness Against Adversarial Attacks with Deeply Quantized Neural Networks | Ferheen Ayaz, Idris Zakariyya, José Cano, Sye Loong Keoh, Jeremy Singer, Danilo Pau, Mounia Kharbouche-Harrari | IJCNN | 表示 |
| Ultra-Tiny Neural Network for Compensation of Post-soldering Thermal Drift in MEMS Pressure Sensors | Gian Domenico Licciardo, Paola Vitolo, Stefano Bosco, Santo Pennino, Danilo Pau, Massimo Pesaturo, Luigi Di Benedetto, Rosalba Liguori | IEEE ISCAS | 表示 |
| SRAM-Based All-Digital Up to 4b In-Memory Computing Multi-Tiled NN Accelerator in FD-SOI 18nm for Deep-Learning Edge Applications | G. Desoli et al. | IEEE ISSCC | 表示 |
| End to End Optimized Tiny Learning for Repositionable Walls in Maze Topologies | Danilo Pau, Stefano Colella and Claudio Marchisio | IEEE ICCE | 表示 |
| TinyRCE: Forward Learning Under Tiny Constraints | Danilo Pau, Prem Kumar Ambrose | tinyML® Research Symposium | 表示 |
| A 0.8 mW TinyML-Based PDM-to-PCM Conversion for In-Sensor KWS Applications | Paola Vitolo, Rosalba Liguori, Luigi Di Benedetto, Alfredo Rubino, Danilo Pau, Gian Domenico | Licciardo Conference paper | 表示 |
