Innatera、超低消費電力エッジ向け初のニューロモーフィックAIチップを発表

スパイキングニューラルネットワーク（SNN）向けニューロモーフィックAIアクセラレータを専門とするオランダのスタートアップInnateraが、初のチップを製造し、性能ベンチマークを実施、主要なアーキテクチャ詳細を公開しました。

同社はまた、CadenceとSynopsysの共同創業者であるAlberto Sangiovanni-Vincentelli氏が取締役会議長として就任したことを発表。同氏は現在UCバークレー教授で、数十年の業界経験を持ちます。

Innateraのチップは、音声、ヘルスケア、レーダーアプリケーション向けのさまざまなSNNを加速するよう設計（画像：Innatera）

SNNの特異性と専用ハードウェアの必要性

従来のAIモデルとは異なり、SNNは脳のスパイキング活動を模倣し、電気パルスの精密なタイミングを用いてパターン認識を行います。このユニークな計算パラダイムにより、SNNは時系列データを効率的に処理しながら最小限の電力消費で動作できる専用ハードウェアを必要とします。

Propheseeなど多くの競合が画像・動画ストリームをターゲットにする中、Innateraは音声（音声認識）、ヘルスケア（バイタルサイン監視）、レーダー（高齢者向けプライバシー保護転倒検知）に焦点を当てています。これらの領域は連続的な時系列データに依存し、センサーノードで厳しい電力エンベロープを要求します。

Marco Jacobs（画像：Innatera）

「当社のアレイは、音声、ヘルスケア、レーダーアプリケーションの核心である時系列データの処理に優れています」と、マーケティングおよびビジネス開発担当VPのMarco Jacobs氏は述べています。「これらのニーズに効果的に対応するソリューションはほとんどありません。」

Innateraのテストでは、スパイクイベントあたりの消費エネルギーが1ピコジュール未満（TSMC 28nmプロセスで200フェムトジュール未満）で、生物学的ニューロンのエネルギー消費に迫っています。典型的なキーワードスポッティングタスクでは、推論あたり500スパイク未満でサブミリワットの電力消費にとどまる、とCEOのSumeet Kumar氏は説明しています。

発火するニューロンのクラスタ（ドットのグループ）が音声のフォネム検出を表す。入力データにノイズが増えても、同じクラスタはほぼ維持されるが、検出は難しくなる（画像：Innatera）

処理アーキテクチャ

Innateraのプロセッサは、スパイクエンコーダ/デコーダを備えた大規模並列ニューロシナプティックアレイを使用し、アナログ/混信号ドメインで動作して連続時間ダイナミクスを保持します。

Innateraのスパイキングニューラルプロセッサ：大規模並列ニューロシナプティックアレイとスパイクエンコーダ/デコーダを含む（画像：Innatera）

アーキテクチャはプログラマビリティを重視し、SDKを通じて柔軟なニューロン接続と細かなスパイクタイミング調整を可能にします。この柔軟性は、脳の複雑なネットワークトポロジをシリコンで再現し、多様なSNNワークロードに対して性能を最適化するために不可欠です。

ニューロンとシナプスはアナログシリコンで実装され、超低消費電力を維持し、連続時間状態保持を可能にします。これらは純粋なデジタル回路で離散化するとコストが高くなります。「アナログドメインは自然に状態情報を保持し、ネットワークトポロジにエンコードする必要をなくします」とKumar氏は説明します。

Innateraのアレイ内のコンピュートセグメント。ニューロンは慎重にマッチングされるよう設計。プログラマブルシナプスはマルチレベルクロスバー構造に配置（黒線/破線は入出力スパイクを表す）（画像：Innatera）

製造ばらつきを緩和するため、Innateraはニューロンを厳密にマッチングされたセグメントにグループ化し、アレイ全体で決定論的な動作を保証します。SDKのソフトウェアが残留ミスマッチを補償し、開発者は低レベルのキャリブレーションではなくアプリケーションロジックに集中できます。

アプリケーション特化型フォーカス

デルフト工科大学からスピンアウトしたInnateraは、2020年末までに約500万ユーロ（約600万ドル）のシード資金を調達。すでに収益顧客と関わり、ハードウェア移行前に成熟したSNNアルゴリズムを提供しています。

「私たちはコンピュートソリューション企業です」とKumar氏。「ハードウェアとアプリケーション特化型SNNアルゴリズムを組み合わせたターンキーソリューションを提供します。」

最初のチップは音声、ヘルスケア、レーダーユースケースで検証済みで、各ドメインに特化した更なる最適化を導入するロードマップを持っています。「アーキテクチャはアプリケーション全般にわたる広範なSNNをサポートしますが、より深いドメイン統合に向けてハードウェアを継続的に改良していきます」とKumar氏は付け加えます。

初期チップサンプルは2021年末までに出荷予定です。

> この記事は姉妹サイトEE Timesで最初に公開されました。

---

関連コンテンツ：

• 低消費電力エッジデバイス向けAIチップ
• ツールチェーンとセンサーボードでAIチップエコシステムを強化
• 新しいAIアクセラレーションモジュールでエッジ性能を向上
• エッジAI：2021年に注目すべきポイント
• MCU上でAIoTを実装する方法

Embeddedの週刊メールニュースレターを購読して、さらに多くの情報を入手してください。