// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
Microchip rende più efficiente l'AI sulle FPGA PolarFire
Microchip Technology ha pubblicato VectorBlox 3.0, nuova versione del kit di sviluppo per implementare l'inferenza delle reti neurali convoluzionali sulle sue FPGA e sui SoC PolarFire. L'aggiornamento introduce il supporto alle reti sparse, permettendo all'acceleratore di evitare operazioni prive di effetto sul risultato e riducendo così le risorse richieste dalle applicazioni di intelligenza artificiale.
Il principio alla base delle reti neurali sparse è sfruttare la presenza di valori pari a zero all'interno del modello. Durante l'inferenza, VectorBlox può saltare le operazioni associate a questi valori, anziché impiegare cicli di calcolo e trasferimenti di memoria per elaborarli. Microchip indica una maggiore efficienza e una possibile riduzione dei consumi, senza però fornire percentuali prestazionali valide per tutti i modelli.
Il kit consente di ottimizzare, compilare e distribuire modelli CNN sulle piattaforme FPGA PolarFire e PolarFire SoC. La natura programmabile dell'architettura permette inoltre di eseguire sul medesimo dispositivo più carichi AI, comprese funzioni di visione artificiale ed elaborazione dei dati provenienti dai sensori, evitando di separare necessariamente le diverse attività su più componenti.
VectorBlox opera insieme al core di proprietà intellettuale CoreVectorBlox ed è supportato dalla Libero SoC Design Suite di Microchip. Il flusso copre quindi la preparazione del modello e la sua integrazione nel progetto hardware, offrendo agli sviluppatori una catena coordinata per portare l'inferenza sulle piattaforme programmabili dell'azienda.
L'obiettivo è spostare una parte maggiore dell'elaborazione verso l'edge AI, dove disponibilità di memoria, potenza di calcolo ed energia possono essere limitate. Il settore sta esplorando architetture sempre più specializzate: una tendenza visibile anche nei chip AI su misura affiancati alle GPU Instinct, mentre Microchip punta sulla flessibilità delle FPGA per adattare l'acceleratore al carico previsto.
Tra gli impieghi già realizzati figura il satellite AI-eXpress-1 di Planetek Italia, che utilizza un PolarFire SoC con VectorBlox per elaborare a bordo dati di osservazione terrestre. Le attività comprendono il rilevamento degli oggetti e l'analisi semantica delle scene, portando parte dell'interpretazione delle immagini direttamente sul satellite.
Anche AIKO ha adottato PolarFire SoC e VectorBlox per la suite clear_CHARLES, destinata al rilevamento autonomo di nuvole e navi nei carichi utili spaziali. Con la versione 3.0, Microchip estende questo approccio ai modelli che possono beneficiare della sparsità, puntando a contenere calcolo, memoria ed energia senza aggiungere un acceleratore separato per ciascuna funzione AI.
Aggiungi Tom's Hardware alle tue fonti preferite su Google