Tổng quan công nghệ

Công nghệ vi mạch thần kinh của chúng tôi là một yếu tố quyết định cho điện toán nhận thức và trí tuệ nhân tạo. Nó là một kiến ​​trúc của những ký ức nhận thức phản ứng với các kiểu đầu vào và có thể được so sánh với bộ não vì yêu cầu năng lượng thấp, khả năng mở rộng và giao tiếp nội bộ tức thời. Chip thần kinh của chúng tôi là một mạng lưới thần kinh silicon song song hoàn toàn: nó là một chuỗi các yếu tố giống hệt nhau (tức là tế bào thần kinh) có thể lưu trữ và xử lý thông tin đồng thời. Chúng được xử lý song song và có tài liệu tích hợp riêng để tìm hiểu và gọi lại các mẫu mà không cần chạy một dòng mã và không báo cáo cho bất kỳ đơn vị giám sát nào. Ngoài ra, các nơ-ron phối hợp hoàn toàn với nhau thông qua một nơ-ron song song hai chiều và nơ ron song song là chìa khóa cho sự chính xác, linh hoạt và hiệu suất tốc độ cao. Thật vậy, mỗi nơ-ron kết hợp thông tin từ tất cả các nơ-ron khác vào logic học tập riêng và vào logic phản ứng của nó. Cơ chế này ngăn chặn việc học bất kỳ thông tin dư thừa nào, nhưng cũng phát hiện ngay lập tức các xung đột mới hoặc tiềm ẩn. Một thành tựu khác của kiến ​​trúc song song của công nghệ của chúng tôi là thời gian học hỏi và nhận biết liên tục bất kể số lượng tế bào thần kinh được kết nối, cũng như khả năng mở rộng kích thước của mạng lưới thần kinh bằng các chip xếp tầng.

Các đặc điểm và tính năng công nghệ

Cốt lõi cơ bản của công nghệ dựa trên khả năng khớp mẫu song song nhiều cái cùng lúc. Thời gian cần thiết để khớp một mẫu với một nơ-ron được đào tạo có thể giống nhau giống như là để khớp với một triệu nơ-ron, hiện chỉ là một phần của một phần triệu giây. Công nghệ của chúng tôi bao gồm khả năng nhận ra rằng một mô hình chưa được đào tạo và đại diện cho tính mới, có thể học được khi đang chạy, trong khi vẫn tiếp tục hoạt động. Thế hệ mô hình tự động này được thực hiện mà không cần phải viết bất kỳ phần mềm nào để hỗ trợ việc học. Các kỹ thuật dựa trên cách não học bằng cách liên kết các kích thích với đầu ra có thể là tên, hành động hoặc kinh nghiệm. Khi còn nhỏ, bạn đã nhìn thấy, nghe thấy hoặc cảm thấy điều gì đó và ai đó đã nói với bạn điều đó là gì. Bạn đã lưu mẫu đó vào bộ nhớ của bạn và lần sau bạn gặp nó, bạn nhớ lại nó là gì. Lợi ích thực sự của việc học bằng các ví dụ là bất kỳ ai cũng có thể chuyển kiến ​​thức của mình bằng cách tạo một bộ đào tạo, từ một người làm việc trên sàn nhà máy để đảm bảo các sản phẩm chất lượng hàng đầu, cho tới việc ai đó thêm các lớp cá nhân hóa sâu trên điện thoại hoặc đồng hồ thông minh. Các tính năng của công nghệ bao gồm:

Có thể huấn luyện

·        Thích nghi, học tập suốt đời

·        Đào tạo trên chip và lúc chip không hoạt động

·        Kỷ nguyên mở của cổng công nghệ có thể đào tạo được

·        Xuất khẩu tri thức và truy xuất nguồn gốc

Kiến trúc độc đáo

·        Bộ nhớ và xử lý logic trong cùng một ô

·        Các tế bào / tế bào thần kinh giống hệt nhau và liên kết với nhau

·        Không có người giám sát

·        Độ trễ thấp và xác định

Dễ tích hợp

·        Kết nối đơn giản thông qua một tuyến ưu tiên

·        Sự tiêu thụ ít điện năng

·        Mạng có thể sử dụng thông qua tính đa bội của chip

Các ứng dụng tiềm năng

·        Công nghiệp

o   Điện tử, Bán dẫn, Chế biến thực phẩm, Robotics, Máy móc hạng nặng

·        Tự động hóa nhà và tòa nhà

o   An ninh, an toàn, hiệu quả năng lượng

·        Ô tô

o   Hệ thống hỗ trợ lái xe tiên tiến (ADAS), bảo trì dự đoán, Giao thông thông minh

·        Môi trường

o   Nông nghiệp, Năng lượng, Trái đất, Đại dương và Khoa học Khí quyển, Cơ sở hạ tầng

·        Hàng không vũ trụ và quốc phòng

·        Sức khỏe và Thể hình

o   Thiết bị y tế, thiết bị đeo, khoa học sinh học, công nghệ sinh học và dược phẩm, robot (cá nhân, công nghiệp, phẫu thuật)

·        Dịch vụ

o   Tài chính, Fintech, Phân tích doanh nghiệp, Giải trí, Truyền thông, Internet / Web công nghệ

Xu hướng thị trường và các cơ hội

Mô hình này phù hợp ở khắp mọi nơi. Khi các ứng dụng trong IoT, nhận thức ngữ cảnh và phương tiện tự hoạt động bắt đầu được thấy việc áp dụng rộng rãi hơn, nhu cầu kết hợp năng lượng thấp, nhanh, hiệu quả đang trở nên quan trọng. Các kỹ thuật khớp mẫu hiện tại, dựa trên các lõi xử lý truyền thống như Bộ xử lý tín hiệu số (DSP), Bộ xử lý trung tâm (CPU) và Bộ xử lý đồ họa (GPU) lấy mẫu và tìm kiếm, lần lượt qua danh sách các mẫu có thể. Điều này trình bày một vấn đề cơ bản khi bạn phải tìm kiếm trên một cơ sở dữ liệu lớn về mẫu khớp tiềm năng. Thời gian và năng lượng cần thiết để đưa ra quyết định sử dụng các phương pháp thông thường đang nhanh chóng trở nên không thực tế.

Các lợi ích dành cho khách hàng

Công nghệ của chúng tôi đã phát triển và cải tiến, kiên nhẫn chờ đợi thị trường sẵn sàng để được chấp nhận. Ngày nay, các xu hướng trong IoT và Dữ liệu lớn đang thúc đẩy nhu cầu về các công cụ nhận dạng mẫu tốc độ cao, năng lượng thấp và phần mềm học máy. Chúng tôi đã sẵn sàng với một chip thương mại sẵn sàng để tiếp thị và IP có sẵn để cấp phép. Chúng tôi có niềm vui khi biết rằng học tập thích ứng theo thời gian thực, còn được gọi là học tập suốt đời, là một khả năng độc đáo của công nghệ của chúng tôi.