logotypen
 
 

IN FOCUS

Suojaa datasi kunnolla

SSD-levyt tarjoavat luontaisesti korkean luotettavuuden kaikentyyppisiin sovelluksiin, aina aloitustason kuluttajalaitteista kriittisiin järjestelmiin. Asianmukaiset tietosuojamekanismit voivat maksimoida levyn käyttöiän toteuttamalla ennaltaehkäiseviä toimenpiteitä tarpeen mukaan, kertoo Silicon Motion artikkelissaan.

Lue lisää...

Monessa sovelluksessa haluttaisiin hyödyntää tekoälyä, mutta datan siirtäminen pilveen ja takaisin ei tule kysymykseen. Mutta miten voi tehdä hermoverkkolaskentaa mikro-ohjaimilla, joilla on vähän muistia ja laskentatehoa. Vastaus on TinyML.

Artikkelin kirjoittaja Eldar Sido on tuotemarkkinoinnin spesialisti Renesas Electronicsilla. Hän työskentelee Arm-pohjaisten mikro-ohjainten kehityksessä ja on erikoistunut tekoälyntoteutuksiin mikro-ohjaimilla. Eldarilla on nanoteknologian tutkinto Tokion yliopistosta.

Neuroverkot ovat saaneet inspiraationsa aivoista ja neurotieteen terminologian (neuronien ja synapsien) käyttäminen hermoverkkojen selittämiseen on aina ollut suuri valituksen aihe neurotieteilijöille, sillä nykyiset hermoverkot ovat kaukana aivojen toiminnasta.

Nykyisen toisen sukupolven hermoverkkojen ja aivojen yleinen rakenne, neurolaskenta ja oppimistekniikat erosivat suuresti toisistaan. Tämä vertailu ärsytti neurotieteilijöitä niin paljon, että he aloittivat työskentelyn kolmannen sukupolven verkkojen parissa, jotka muistuttivat enemmän aivoja. Niitä kutsutaan piikittäviksi eli spiking-neuroverkoiksi (SNN), joiden laitteisto pystyy suorittamaan niitä eli neuromorfista arkkitehtuuria.

Piikittävät neuroverkot

SNN-verkot ovat erääntyyppisiä keinotekoisia hermoverkkoja (ANN), joiden toiminta muistuttaa enemmän aivoja kuin aiemmat hermoverkkorakenteet. Keskeinen ero on siinä, että SNN:t ovat spatiotemporaalisia neuroverkkoja, eli ne huomioivat toimintansa ajoituksen toiminnassaan. SNN-verkot toimivat erilaisten biologisten prosessien differentiaaliyhtälön määrittämillä piikeillä. Kriittisin yhtälö on laukaisu sen jälkeen, kun hermosolun kalvopotentiaali (eli ”laukaisukynnys”) on saavutettu. Tämä tapahtuu piikeillä, jotka laukaisevat kyseiseen neuroniin tietyissä aikajaksoissa.

Vastaavasti aivot koostuvat 86 miljardista laskennallisesta yksiköstä, joita kutsutaan neuroneiksi ja jotka vastaanottavat syötteitä muilta neuroneilta dendriittien eli haarakkeiden kautta. Kun syötteet ylittävät tietyn kynnyksen, hermosolu laukaisee ja lähettää sähköpulssin synapsin kautta. Synaptinen paino säätelee, kuinka laaja pulssi lähetetään seuraavaan neuroniin.

Toisin kuin muut keinotekoiset hermoverkot, SNN-neuronit laukaisevat asynkronisesti eri kerroksissa koko verkossa saapuen eri aikoina, jolloin perinteisesti informaatio etenee järjestelmän kellon sanelemana. SNN:iden spatiotemporaalinen ominaisuus ja piikkien epäjatkuva luonne tarkoittavat, että mallit voidaan jakaa harvemmin neuronien ollessa yhteydessä vain relevantteihin neuroneihin ja käyttämällä aikaa muuttujana, mikä mahdollistaa tiedon koodaamisen tiheämmin verrattuna perinteisten neuroverkkojen binäärikoodaukseen. Tämä johtaa siihen, että SNN-verkot ovat laskennallisesti suorituskykyisempiä ja hyötysuhteeltaan parempia.

Kuva 1. Perinteisten keinotekoisten neuroverkkojen ja SNN-verkkojen ero.

SNN-verkkojen asynkroninen käyttäytyminen sekä differentiaaliyhtälöiden suorittamisen tarve on laskennallisesti vaativa perinteisille laitteille ja uutta arkkitehtuuria oli kehitettävä. Tässä mukaan tulee neuromorfinen arkkitehtuuri.

Neuromorfinen arkkitehtuuri

Neuromorfinen arkkitehtuuri on aivojen toiminnasta inspiraation saanut ei-von Neuman-arkkitehtuuri, joka koostuu neuroneista ja synapseista. Neuromorfisissa tietokoneissa tietojen käsittely ja tallentaminen tapahtuu samalla alueella. Tämä helpottaa Von Neuman -arkkitehtuurin pullonkaulaa, joka hidastaa perinteisten arkkitehtuurien saavuttamaa maksimikapasiteettia, kun dataa joudutaan siirtämään muistista prosessointiyksiköihin suhteellisen hitailla nopeuksilla. Lisäksi neuromorfinen arkkitehtuuri tukee natiivisti SNN-verkkoja ja hyväksyy piikit syötteinä, mikä mahdollistaa tiedon koodaamisen piikkien saapumisajan, suuruuden ja muodon mukaan.

Näin neuromorfisten laitteiden avainominaisuuksia ovat niiden luontainen skaalautuvuus, tapahtumaohjattu laskenta ja stokastisisuus, koska neuronien laukaisussa voidaan nähdä satunnaisuutta. Tämä tekee neuromorfisesta arkkitehtuurista houkuttelevan niiden erittäin alhaisen tehonkulutuksen ansiosta, joka yleensä on kertaluokkia perinteisiä prosessointijärjestelmiä alhaisempi.

Kuva 2. Perinteinen Von Neumann -arckkitehtuuri ja neuromorfinen arkkitehtuuri.

Neuromorfisen laskennan markkinaennuste

Teknologisesti neuromorfisilla piireillä voi olla suuri rooli tulevalla reunalaskenna ja verkon päätelaitteiden AI-kaudella. Alan odotetun kysynnän ymmärtämiseksi on tarkasteltava tutkimusennusteita. Sheer Analytics & Insightsin raportin mukaan neuromorfisen laskennan maailmanlaajuisten markkinoiden odotetaan kasvavan vuosittain 50,3 prosentin vauhtia ja saavuttavan 780 miljoonaa dollaria vuoteen 2028 mennessä [1]. Mordor Intelligence puolestaan odottaa markkinoiden kasvavan 366 miljoonaan dollariin vuoteen 2026 mennessä, jolloin vuosikasvuksi tulisi 47,4 prosenttia [2].

Verkosta löytyy lisäksi paljon markkinatutkimuksia, jotka povaavat samanlaista kasvua. Vaikka ennusteluvut eivät vastaa toisiaan, yksi asia on selvä: neuromorfisten laitteiden kysynnän odotetaan kasvavan rajusti lähivuosina ja markkinatutkimusyritykset odottavat useiden teollisuudenalojen, kuten teollisuuden, autoteollisuuden, mobiili- ja lääketieteen ottavan neuromorfiset laitteet käyttöönsä erilaisissa sovelluksissa.

Neuromorfinen TinyML

Koska TinyML (pieni koneoppiminen) tarkoittaa koneoppimisen ja neuroverkkojen suorittamista rajatun muisti- ja laskentakapasiteetin laitteissa, kuten mikro-ohjaimissa, on luonnollinen askel sisällyttää neuromorfinen prosessoriydin TinyML-käyttötapauksiin, koska siitä seuraa useita selviä etuja.

Neuromorfiset laitteet ovat tapahtumapohjaisia prosessoreita, jotka toimivat nollasta poikkeavilla tapahtumilla. Tapahtumapohjaiset konvoluutio- ja pistetuotteet ovat laskennallisesti huomattavasti kevyempiä, koska nollia ei käsitellä. Tapahtumapohjainen konvoluutiolaskennan suorituskyky paranee entisestään, kun suodatinkanavissa tai kernelissä on suurempi määrä nollia. Tämä yhdessä aktivointitoimintojen kanssa, kuten Relu-funktion (rectified linear activation function) keskittyminen nollan ympärille, tarjoaa tapahtumapohjaisille prosessoreille ominaisen harvoin tapahtuvan aktivoimisen, mikä pienentää laskennan MAC-vaatimuksia.

Lisäksi neuromorfisten laitteiden prosessipiikkeinä voidaan käyttää rajoitetumpaa kvantisointia - kuten 1-, 2- ja 4-bittistä kvantisointia - verrattuna ANN-verkkojen perinteiseen 8-bittiseen kvantisointiin. Edelleen, koska SNN-verkot on sisällytetty laitteistoon, neuromorfisilla piireillä kuten Brainchipin Akida-siruilla on ainutlaatuinen kyky oppia jatkuvasti. Tämä ei ole mahdollista perinteisillä piireillä, koska ne vain simuloivat hermoverkon toimintaa Von Neumann -arkkitehtuurilla. Tämä johtaa siihen, että laskenta kuluttaa liikaa muistiresursseja, eikä se onnistu verkon reunalla TinyML-järjestelmällä.

Lisäksi neuroverkkomallin koulutuksessa kokonaisluvut eivät tarjoa tarpeeksi kattavuutta mallin tarkkaan kouluttamiseen, joten 8-bittinen harjoittelu ei ole tällä hetkellä mahdollista perinteisissä arkkitehtuureissa. Perinteisissä arkkitehtuureissa on toistaiseksi päästy muutamissa yksinkertaisissa koneoppimisalgoritmeissa (autoenkooderit, päätöspuut) käyttötapauksissa tuotantovaiheeseen reaaliaikaisessa analytiikassa, kun taas neuroverkkoja vasta tutkitaan edelleen.

Yhteenvetona neuromorfisten piirien ja SNN-verkkojen käytön edut päätelaitteissa:

- Erittäin alhainen virrankulutus (miljoonasta mikrojouleen päättelyä kohti)
- Pienemmät MAC-vaatimukset verrattuna perinteisiin neuroverkkoihin
- Pienempi parametrimuistin käyttö verrattuna perinteisiin neuroverkkoihin
- Edge-oppimisominaisuudet

Neuromorfiset TinyML-käyttötapaukset

Kaikesta huolimatta neuromorfisilla ytimillä varustetut mikro-ohjaimet voivat olla erinomaisia teollisuudessa niiden erityisen huippuoppimisen ominaisuuksiensa ansiosta. Näitä ovat:

  • Jo käytössä olevien teollisuuslaitteiden poikkeavuuksien havaitsemissovelluksissa, joissa pilven käyttö mallin kouluttamiseen on tehotonta, joten tekoälylaitteen lisääminen suoraan moottoriin ja harjoittelu reunalla mahdollistaisi helpon skaalautuvuuden. Tämä siksi, että laitteiden ikääntyminen vaihtelee konekohtaisesti, vaikka ne olisivat samaa mallia.
  • Robotiikassa robottikäsivarsien nivelet kuluvat ajan myötä, muuttuvat epävireisiksi (untuned) ja lakkaavat toimimasta tarpeen mukaan. Ohjaimen uudelleensäätäminen tai -virittäminen reunalla ilman ihmisen väliintuloa vähentää tarvetta soittaa ammattilaiselle, vähentää seisokkien tarvetta ja säästää aikaa ja rahaa.
  • Kasvojentunnistussovelluksissa käyttäjän on lisättävä kasvonsa datasarjaan ja koulutettava malli uudelleen pilvessä. Muutamalla henkilön kasvojen kuvalla neuromorfinen laite voi tunnistaa loppukäyttäjän verkon reunalla tapahtuvan oppimisen avulla. Tämä mahdollistaa käyttäjien tietojen suojaamisen laitteella ja saumattomamman käyttökokemuksen. Tätä voidaan käyttää autoissa, joissa eri käyttäjillä on erilaiset mieltymykset esimerkiksi istuimen asennosta, ilmastoinnista jne.
  • Avainsanojen havaitsemissovelluksissa voidaan laitteelle lisätä sanoja laitteella tunnistettavaksi. Tätä voidaan käyttää biometrisissa sovelluksissa, joissa henkilö lisäisi "salaisen sanan", jonka hän haluaa pitää suojattuna laitteella.

Kuva 3. Neuromorfisen oppimisen käyttötapauksia verkon reunalla.

Neuromorfisten päätelaitteiden erittäin pienen tehonkulutuksen ja parantuneen suorituskyvyn tasapaino tekee siitä sopivan akkukäyttöisiin, pitempää toiminta-aikaa vaativiin sovelluksiin. Näiden algoritmien suorittaminen ei ole mahdollista muilla pienitehoisilla laitteilla, koska niilläon rajallisesti laskentaresursseja. Tai toisinpäin: samaan prosessointitehoon yltävät high end -laitteet kuluttavat liian paljon virtaa. Käyttötapauksia ovat:

  • Älykellot, jotka valvovat ja käsittelevät dataa itsenäisesti ja lähettävät vain relevantin, tarpeellisen datan pilveen.
  • Älykkäät kamera-anturit, jotka tunnistavat ihmisiä loogisten komentojen suorittamiseksi. Esimerkiksi automaattinen oven avaaminen henkilön lähestyessä, kun nykyään se perustuu lähestymisanturien käyttöön.
  • Älykäs eläinten seuranta tai valvonta esimerkiksi metsissä, joissa ei ole verkkoyhteyttä tai latausmahdollisuuksia. Halkeaminen havaitseminen valtameriputkien alla reaaliaikaisen tärinä-, näkö- ja äänidatan avulla.
  • Infrastruktuurin valvonnasa neuromorfista mikro-ohjainta voidaan käyttää siltojen liikkeiden, tärinän ja rakenteellisten muutosten jatkuvaan seurantaan mahdollisten vikojen tunnistamiseksi.

Kuva 4. Erittäin vähän tehoa kuluttavia suuren suorituskyvyn käyttötapauksia.

Loppusanat

"Renesas on oivaltanut neuromorfisten laitteiden ja SNN-verkkojen valtavan potentiaalin lisensoimalla neuromorfisen ytimen Brainchipilta [3], joka on maailman ensimmäinen kaupallisten neuromorfisten IP-lohkojen toimittaja”, sanoi Renesasin IoT- ja infrastruktuuriliiketoimintayksikön johtaja Sailesh Chittipeddi.

Erittäin alhaisen hintaluokan piireissä yhtiö on lisännyt osaan sovelluksia Arm M33 -ohjaimen ja piikittävän hermoverkon, jossa on BrainChip-ydin. Lisenssi kattaa ohjelmiston, jolla järjestelmä saadaan toimimaan. [4]

Kun Renesas yrittää innovoida ja kehittää markkinoille parhaita mahdollisia mikropiirejä, yhtiö on innostunut näkemään, kuinka tämä innovaatio helpottaa elämää.

 

Viitteet

[1] “Neuromorphic computing market –industry analysis, size, share, growth, trends, and forecast, 2020-2028.,” sheeranalyticsandinsights.com. [Online]. Available: https://www.sheeranalyticsandinsights.com/market-report-research/neuromorphic-computing-market-21/ [Accessed: 23-Aug-2022]. 

[2] “Neuromorphic chip market growth, forecast (2022-27): Industry trends,” Neuromorphic Chip Market Growth, Forecast (2022-27) | Industry Trends. [Online]. Available: Neuromorphic Chip Market Growth, Forecast (2022-27) | Industry Trends (mordorintelligence.com) . [Accessed: 23-Aug-2022]. 

[3] “BrainChip's Akida set for spaceflight via NASA as Renesas Electronics America signs First IP agreement,” Small Caps, 23-Dec-2020. [Online]. Available: BrainChip’s Akida set for spaceflight via NASA as Renesas Electronics America signs first IP agreement (smallcaps.com.au). [Accessed: 23-Aug-2022].

[4] Arm battles RISC-V at Renesas. [Online]. Available: ARM battles RISC-V at Renesas - eeNews Europe. [Accessed: 23-Aug-2022]. 

MORE NEWS

Yksi ainoa siru optimoi sähköauton akuston

Sveitsiläinen LEM on lanseerannut uuden virranmittausyksikön sähköajoneuvojen  akkujen hallintaan. Ensimmäistä kertaa markkinoilla LEM on yhdistänyt shuntti- ja avoimen silmukan Hall-ilmiöteknologiat yhteen osaan, jota kutsutaan hybridivalvontayksiköksi (HSU). Uutuudella yhtiö vastaa pienen tilantarpeen, alhaisen kustannustason ja korkeimman turvallisuustason haasteisiin sähköautojen akkujen hallintajärjestelmissä.

Pieni parannus pidentää langattomien hiirten käyttöaikaa merkittävästi

Renesas esittelee ensimmäisen mikropiirin, joka tukee uutta USB-C 2.4 -standardia – vaikutukset ulottuvat suoraan langattomien pelihiirten virrankulutukseen ja yhteensopivuuteen. Langattomien pelihiirten yksi suurimmista haasteista on ollut virrankulutuksen ja suorituskyvyn tasapainottaminen. Uusin päivitys USB-C-standardiin voi vaikuttaa tähän yllättävän paljon.

Uusi RTOS alkaa vallata pieniä mikro-ohjaimia

Sulautettujen järjestelmien maailma on saamassa uuden suunnan, kun PX5 RTOS – uusi reaaliaikakäyttöjärjestelmä ThreadX:n alkuperäiseltä kehittäjältä William Lamielta – alkaa nousta esiin vaihtoehtona pieniin ja vaativiin mikro-ohjainympäristöihin. Viimeisin merkittävä askel tässä kehityksessä on saksalaisen debuggausjätti Lauterbachin ilmoitus täysimittaisesta TRACE32-tuesta PX5:lle.

Tässä toukokuun pahimmat haittaohjelmat

Tietoturvayritys Check Pointin toukokuun haittaohjelmakatsaus paljastaa, että FakeUpdates on yhä yleisin sekä Suomessa ja maailmalla. Raportin mukaan FakeUpdates vaikutti 5,41 prosenttiin organisaatioista maailmanlaajuisesti. Suomessa sen esiintyvyys oli 3,80 prosenttia.

Euroopassa aloittaa uusi virtuaalioperaattori, mutta Suomeen silläkään ei ole asiaa

Liettualainen Fintech-yritys Revolut ilmoitti astuvansa mobiilimarkkinoille lanseeraamalla oman virtuaalioperaattorinsa, mutta Suomen liittymämarkkinaa se ei aio toistaiseksi koskettaa. Tähän on syynä ennen kaikkea Suomen mobiilimarkkinan poikkeuksellinen rakenne.

Puolijohdemarkkina kasvoi huhtikuussa: myynti 57 miljardia dollaria

Maailmanlaajuiset puolijohdemyyntiluvut kasvoivat huhtikuussa 2025, kertoo puolijohdeteollisuuden yhdistys SIA. Myynti ylsi 57,0 miljardiin dollariin, mikä on 2,5 % enemmän kuin maaliskuussa ja 22,7 % enemmän kuin vuotta aiemmin.

Amerikkalaisyritys aloittaa droonikehityksen Tampereella

Yhdysvaltalainen droonivalmistaja Skydio perustaa ensimmäisen eurooppalaisen tutkimus- ja kehitysyksikkönsä Tampereelle. Piilaaksosta ponnistava yritys aikoo keskittyä uudessa yksikössään erityisesti kehittyneiden kamerateknologioiden kehittämiseen itseohjautuville drooneilleen.

Bluetooth kannattaa aina sammuttaa älypuhelimesta, kun sitä ei tarvitse

Bluetooth-yhteys on monelle arkipäiväinen apuväline langattomissa kuulokkeissa, kaiuttimissa tai paikannuslaitteissa. Harva kuitenkaan muistaa, että tämä näennäisesti harmiton toiminto voi kuluttaa akkua ja muodostaa merkittävän tietoturvariskin – erityisesti silloin, kun se on päällä turhaan.

Kiina kaappaa seuraavaksi USB-lataamisen

Kiinassa on jo kehitetty kilpailija HDMI-väylälle GPMI-standardin muodossa. Kiinassa on myös kehitetty universaali pikalataustekniikka UFCS, joka pyrkii korjaamaan USB-standardin lataukseen liittyvät ongelmat.

Ensimmäistä kertaa: mikroaaltojen fotonipiiri yhdellä sirulla

Imec ja Gentin yliopisto ovat kehittäneet maailman ensimmäisen täysin integroidun mikroaalto-fotoniikkapiirin, joka yhdistää kaikki optiset ja mikroaaltokomponentit yhdelle sirulle.

Bevenic laajensi elektroniikan tuotantoaan Kuopiossa

Suomalainen Bevenic Oy on avannut uuden huipputeknologiaa hyödyntävän elektroniikkatehtaan Kuopion Pieni-Neulamäkeen. Investointi vahvistaa yhtiön kotimaista tuotantokapasiteettia ja tukee sen kasvustrategiaa erityisesti kriittisissä sovelluksissa, kuten lääketieteessä, turvallisuudessa ja puolustusteollisuudessa.

DigiKey tarjoaa ilmaisen verkkokurssin Zephyr-ajurien kirjoittamiseen

DigiKey, yksi maailman suurimmista elektroniikkakomponenttien jakelijoista, on julkaissut ilmaisen verkkokurssin, jossa opetetaan Zephyr-käyttöjärjestelmälle kirjoitettavien laiteajureiden kehitystä. Kurssin vetää tunnettu sulautettujen järjestelmien kouluttaja Shawn Hymel, ja se on suunnattu sekä opiskelijoille että ammattilaisille, jotka haluavat kehittää osaamistaan sulautetun ohjelmistokehityksen vaativammissa osa-alueissa.

EU kehittää droneja Nokian johdolla

Euroopan unioni on käynnistänyt mittavan drone- ja robotiikkahankkeen, jonka vetovastuuseen on valittu suomalainen Nokia. Uusi PROACTIF-projekti tähtää Euroopan teknologisen omavaraisuuden vahvistamiseen ja kriittisen infrastruktuurin turvaamiseen miehittämättömien järjestelmien avulla.

Nyt voi jäljittää FreeRTOS-koodia ilmaiseksi

Ruotsalainen sulautettujen järjestelmien asiantuntijayritys Percepio on julkaissut ilmaisen työkalun FreeRTOS-kehittäjille. Uusi Percepio View tarjoaa ammattilaistason jäljitysdiagnostiikkaa ja auttaa kehittäjiä ymmärtämään järjestelmänsä toimintaa visuaalisesti.

Tekoäly on tulevaisuudessa osa kaikkia sovelluksia

AWS:n Suomen ja Baltian teknologiajohtaja Jarkko Hirvonen kannustaa suomalaisyrityksiä tekoälykokeiluihin. Tekoäly on tulevaisuudessa osa kaikkia sovelluksia. Mukaan kehitykseen kannattaa hypätä heti.

Asusin reitittimiä kaapattiin osaksi bottiverkkoa

Yli 9000 Asusin reititintä on kaapattu osaksi laajaa bottiverkkoa, joka tunnetaan nimellä AyySSHush. Hyökkäys hyödynsi haavoittuvuutta CVE-2023-39780, jonka avulla hyökkääjät saivat luvattoman SSH-yhteyden reitittimiin ja asensivat niihin pysyvän takaoven.

OnePlus Pad 3 on erinomainen laite, jossa on harmittava puute

OnePlus on julkaissut uuden Pad 3 -tablettinsa ja laite on ilman muuta yhtiön tähän asti kunnianhimoisin tablettipanostus. Laitteen rauta on huippuluokkaa, ja se sopii suorituskykynsä puolesta täysipainoisesti myös työkäyttöön – ainakin melkein.

ST istutti Qualcommin Wi-Fi- ja Bluetooth-radiot mikro-ohjaimen kylkeen

STMicroelectronics on julkistanut ensimmäisen Wi-Fi- ja Bluetooth-moduulinsa, , joka tuo langattoman yhteyden suoraan STM32-mikro-ohjainten rinnalle. ST67W611M1-oduuli pohjautuu Qualcommin langattomaan radiotekniikkaan ja toimii tytärprosessorina (network coprocessor), joka hoitaa Wi-Fi 6:n ja Bluetooth Low Energy 5.4:n itsenäisesti.

Liedossa ryhdytään lataamaan sähkörekkoja megawatin teholla

Suomen ensimmäinen megawattiluokan sähkörekoille tarkoitettu julkinen latausasema avataan Lietoon syyskuussa 2025. Plugit Finland Oy:n rakentama asema hyödyntää MCS (Megawatt Charging System) -standardia ja tarjoaa jopa 1000 kilowatin eli yhden megawatin lataustehon neljällä paikalla.

Osaajapula hidastaa yritysten tekoälyn käyttöä Suomessa

Tuore AWS:n teettämä Pohjoismaiden laajuinen selvitys paljastaa, että tekoälyn käyttöönotto etenee Suomessa samaa tahtia muiden Pohjoismaiden kanssa – mutta kehitystä hidastaa kasvava osaajapula.

3D-tulostus on tie kestävään elektroniikkavalmistukseen

ETN - Technical articlePerinteinen elektroniikan valmistus perustuu prosesseihin, jotka johtavat usein materiaalihävikkiin, korkeisiin työkalukustannuksiin ja merkittäviin varastointikuluihin. Viime vuosina lisäävä valmistus (additive), erityisesti 3D-tulostus, on kuitenkin alkanut nousta varteenotettavaksi vaihtoehdoksi elektroniikan valmistuksessa, sillä se tarjoaa lisää suunnittelun joustavuutta sekä mahdollisia ympäristö- ja taloudellisia etuja.

Lue lisää...

Onko tekoäly nyt uusin uhka tietoturvalle?

Tekoäly on tullut jäädäkseen – siitä ei ole epäilystäkään. Mutta mitä tapahtuu, kun siitä tulee myös kyberturvallisuuden suurin uhka?

Lue lisää...

LATEST NEWS

NEW PRODUCTS

 
 
article