סיוה פיתחה טכנולוגיית לימוד מכונה על-גבי שבב
8 אוקטובר, 2015
המערכת של סיוה מאפשרת ללמד מערכת משובצת לזהות אובייקטים במהירות. מדובר בפריצת דרך טכנולוגית: כיום רוב הרשתות הנוירוניות בעולם זקוקות למחשבים חזקים ולבסיסי נתונים גדולים
המערכת של סיוה מאפשרת ללמד מערכת משובצת לזהות אובייקטים במהירות. מדובר בפריצת דרך טכנולוגית: כיום רוב הרשתות הנוירוניות בעולם זקוקות למחשבים חזקים ולבסיסי נתונים גדולים
חברת סיוה (CEVA) מהרצליה חשפה מסגרת תוכנה חדשה המאפשרת לבצע פעולות לימוד מכונה מסוג למידה עמוקה (Deep Learning) על-גבי שבב ה-DSP שלה, CEVA-XM4. הרעיון של למידה עמוקה מתבסס על שימוש בטכניקות מתחום הרשתות הנוירוניות המאפשרות ללמד מכונה לזהות אובייקטים והקשרים שונים. מדובר בפיתוח ראשון מסוגו בעולם, שכן עד היום ממומשות מערכות לימוד מכונה מהסוג הזה באמצעות מחשבים חזקים, בסיסי נתונים גדולים, ולא באמצעות מערכות משובצות חסכוניות באנרגיה.
הרשתות הנוירוניות הוא אחד מהתחומים המרכזיים בתחום לימוד מכונה. בתחילה נעשה שימוש באלגוריתמים המחקים את המבנה של רשתות עצביות (Neural Network) כדי לאמן מחשב לזהות אובייקט או תופעה. בשנים האחרונות התפתח התחום ונעשה שימוש ברשתות עומק, הכוללות מספר רמות, או שכבות, שונות של רשתות עצביות.
הטכניקה הזו מאפשרת ללמד מחשבים להבחין בין אובייקטים שההבדלים ביניהם קטנים מאוד. בניסויים שבוצעו על-גבי מחשבים חזקים ובסיסי נתונים גדולים, המחשבים מצליחים להתחרות בבני אדם במטלות כמו זיהוי חפצים ואפילו זיהוי פנים. להערכת חברת CEVA, פלטפורמת CEVA Deep Neural Network מאפשרת למערכות משובצות לבצע פעולות לימוד עומק במהירות גדולה פי שלושה מאשר מערכות מבוססות מעבדי GPU, כשהן צורכות פי 30 פחות הספק ופי 15 פחות רוחב פס זיכרון . החברה מסרה שהרצת אלגוריתם לזיהוי הולכי רגל מתוך סרט וידאו במעבד ביוצר בטכנולוגיית 28 ננומטר, דרשה הספק של 30mW בלבד, לכל פריים מתוך סרטון וידאו שאותו המחשב למד.
מסגרת הפלטפורמה מבוססת על טכנולוגיית CEVA Network Generator, אשר מתרגמת את מבנה הרשת של הלקוח למודל רזה מאוד המיועד להרצה בזמן אמת. הדבר מאפשר להאיץ את הביצועים ולחסוך בהספק, תוך איבוד של 1% בלבד מהדיוק בהשוואה לרשתות המקוריות. לאחר שהמערכת מייצרת את המודל המפושט, הוא מורץ על-גבי מעבד ה-DSP של החברה, CEVA-XM4.
חברת Phi Algorithm Solutions מטורונטו, קנדה, השתמשה בפלטפורמת DDNN של סיוה כדי לבנות רכיב הבנוי מסביב ל-CEVA-XM4 DSP לצורך זיהוי אובייקטים, המבוסס על רשת נוירונית תאית (Cellular Neural Network). הרכיב מיועד לשימוש ביישומים דוגמת זיהוי הולכי רגל, זיהוי פנים, מערכות עזר בטיחותיות לנהג (ADAS) וכדומה. לדברי מייסד ונשיא החברה, סטיבן האנה, החברה הצליחה לאמן את הרשת שלה בתוך עמים ספורים בלבד.
הפיתוח החדש מופיע כהרחבה של ערכת הפיתוח הנוכחית של המעבד (Application Developer Kit), ומופיע ביחד עם מודלים מוכנים מראש של זיהוי וסיווג אובייקטים בזמן אמת. למדע נוסף: http://launch.ceva-dsp.com/cdnn.
סיוה מספקת קניין רוחני (IP) ליישומי תקשורת, מולטימדיה וקישוריות, המשולב בשבבים לשוקי הסלולר, האלקטרוניקה, הרכב וה-IoT. בתחילת השבוע היא הודיעה שהכנסותיה לרבעון השלישי של השנה צפויות לעקוף את תחזיותיה ולהגיע לשיא של 16.2 מיליון דולר. הרווח למניה צפוי גם הוא לעקוף את התחזיות, כתוצאה מההכנסות הגבוהות יותר וכן הודות להוצאות תפעול נמוכות מהצפוי. כתוצאה מההודעה הזו, זינק מחיר מניית החברה בנסד"ק מכ-18 דולרים לכ-22 דולר, וכיום היא נסחרת לפי שווי שוק של כ-446 מיליון דולר.
פורסם בקטגוריות: חדשות , סמיקונדקטורס , קניין רוחני , תעשייה ישראלית
פורסם בתגיות: featured
כתבות נוספות העשויות לעניין אותך
