Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AKD1000 Brain Chip을 활용한 뉴로모픽 프로세서 연구와 JarvisX 홈 어시스턴트 적용 사례를 소개합니다. TSMC 28nm 공정 기반의 이 칩은 SNN과 CNN을 모두 지원하며, 초저전력 웨이크 워드 인식(KWS) 구현에 최적화되어 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @alicankiraz0 (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기친구들, 이 칩으로 제가 한 일과 앞으로 하고 싶은 일들을 짧게 요약해 보겠습니다. 저는 한동안 뉴로모픽 프로세서 (Neuromorphic processors) 상의 SNN (Spiking Neural Networks) 및 CNN (Convolutional Neural Networks)에 대해 연구해 왔습니다. Always-on (상시 대기) 청취 기능을 갖춘 저의 JarvisX 홈 어시스턴트에 사용하기 위해 멋진 구조를 구축했습니다. 뉴로모픽 칩은 특히 항공 시스템에서 무게와 에너지 소비가 매우 큰 문제이기 때문에, 이 칩들을 조사할 때 매우 눈에 띄었습니다. 이 과정에서 AKD1000 Brain Chip을 구매했습니다. 이 카드의 아키텍처 (Architecture)와 구조는 저를 상당히 놀라게 했습니다. TSMC 28nm 공정으로 제조되었으며, 300MHz로 작동하고, 호스트 프로세서 (Host processor)로 Cortex-M4와 SNN 코어로 80개의 NPU (Neural Processing Unit)를 포함하는 뉴로모픽 프로세서입니다. 4개의 NPU가 하나의 노드 (Node)를 구성하므로 총 20개의 노드가 있으며, 각 NPU에는 8개의 NPE (Neural Processing Element)와 100KB SRAM (40KB 가중치 + 60KB 스파이크)이 있습니다. 이는 전통적인 피드포워드 (Feedforward) CNN과 네이티브 (Native) SNN을 모두 실행할 수 있습니다.
검토하는 과정에서 저의 JarvisX 홈 어시스턴트를 위해 Always-on 청취 상태에서 웨이크 워드 (Wake-word)를 인식하게 하겠다는 아이디어가 떠올랐습니다. 이 작업의 핵심은 다음과 같습니다. KWS (Keyword Spotting)는 사실 장치가 마이크를 지속적으로 청취하는 로컬 (Local) 구조로, 사전에 정의된 작은 단어 집합만을 로컬에서 매우 낮은 전력으로 식별할 수 있습니다. 목표 단어를 들으면 메인 시스템이나 애플리케이션을 깨웁니다. 여기서는 Always-on 청취 상태이면서도 마이크로와트 (Micro-watt) 수준의 전력으로 이를 수행할 수 있습니다.