Microchip Technology Inc. a annoncé que sa solution de mémoire neuromorphique SuperFlash memBrain a résolu ce problème pour le SoC de traitement neuronal WITINMEM, le premier en production de volume qui permet aux systèmes sub-mA de réduire le bruit de la parole et de reconnaître des centaines de mots de commande, en temps réel et immédiatement après la mise sous tension. Microchip a travaillé avec WITINMEM pour incorporer la solution de calcul analogique en mémoire memBrain de Microchip, basée sur la technologie SuperFlash, dans le SoC ultra-basse consommation de WITINMEM. Le SoC est doté d'une technologie de calcul en mémoire pour le traitement des réseaux neuronaux, notamment la reconnaissance de la parole, la reconnaissance des empreintes vocales, la réduction du bruit de la parole profonde, la détection de scènes et la surveillance de l'état de santé. WITINMEM, à son tour, travaille avec de nombreux clients pour mettre sur le marché des produits basés sur ce SoC en 2022. Le produit de mémoire neuromorphique memBrain de Microchip㝂 est optimisé pour effectuer une multiplication matricielle vectorielle pour les réseaux neuronaux. Il permet aux processeurs utilisés dans les appareils périphériques alimentés par batterie et profondément intégrés de fournir une performance d'inférence IA par watt élevée. Pour ce faire, les poids du modèle neuronal sont stockés sous forme de valeurs dans la matrice de mémoire et la matrice de mémoire est utilisée comme élément de calcul neuronal. Il en résulte une consommation d'énergie 10 à 20 fois inférieure à celle des autres approches, ainsi qu'une réduction des coûts globaux du processeur, car les mémoires DRAM et NOR externes ne sont pas nécessaires. Le stockage permanent des modèles neuronaux à l'intérieur de l'élément de traitement de la solution memBrain permet également une fonctionnalité instantanée pour le traitement des réseaux neuronaux en temps réel. WITINMEM a exploité la non-volatilité des cellules à grille flottante de la technologie SuperFlash pour mettre hors tension ses macros de calcul en mémoire pendant l'état d'inactivité afin de réduire davantage la puissance de fuite dans les cas d'utilisation IoT exigeants.