NXP Semiconductors on ensimmäistä kertaa tuonut mikro-ohjaimille kääntimen, joka osaa ajaa suoraan optimoitua neuroverkkokoodia. Käytännössä tämä mahdollistaa koneoppimisen tuomisen hyvin moniin laitteisiin reitittimistä kodinkoneisiin.
Koneoppimista hyödyntävien sovellusten kysynnän odotetaan kasvavan merkittävästi tulevina vuosina. TIRIAS-tutkimus ennustaa, että 98 prosenttia kaikista verkon reunalla olevista laitteista käyttää jonkinlaista koneoppimista tai tekoälyä vuoteen 2025 mennessä. Tämä tarkoittaa jopa 18-25 miljardia eri laitetta.
Verkon reunalla laitteisiin ei voi sijoittaa erillisiä kiihdyttimiä. Ohjeinpiirien muisti on aina rajoitettu. Tämän takia ohjaimiin voidaan sijoittaa vain erittäin pitkälle optimoituja ML-algoritmeja.
Tässä Facebookin Glow NN -käännin tulee kuvaan mukaan. Facebook esitteli toukokuussa 2018 Glowin (Graph Lowering NN -kääntäjä) avoimen lähdekoodin yhteisöprojektina, jonka tavoitteena on tarjota optimointeja neuroverkon suorituskyvyn nopeuttamiseksi laitteistoalustoilla. Glow ottaa käyttöön optimoimattoman neuroverkon ja tuottaa siitä erittäin optimoidun koodin. Kun laite voi ohjaimessaan ajaa suoraan optimoitua koodia, tämä vähentää huomattavasti prosessointi- ja muistivaatimuksia.
Glow-käännin on nyt saatavana NXP:n eIQ Machine Learning -ohjelmistokehitysympäristössä, jossa ohjelmoidaan i.MX RT -sarjan ohjainpiirejä. Neuroverkkoja voidaan integroida esimerkiksi NXP:n Arm Cortex-M -ytimiin pohjautuvilla ohjaimille, joissa hyödynnetään Tensilican HiFi 4 DSP -lohkoja.
NXP:n mukaan Glow-optimoitua neuroverkkokoodia voidaan DSP:llä ajaa jopa 25 kertaa tehokkaammin. Tällä hetkellä toiminnollisuus on käytettävissä RT600-, RT1050- ja RT1060-ohjaimille. Myöhemmin Glow-käännin tulee käyttöön myös muilla NXP:n mikro-ohjaimilla.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
