EO_502

DIGITAL ADAPTIVE COMPUTING ELETTRONICA OGGI 502 - MAGGIO 2022 50 per massimizzare la sicurezza e la produttività. La risposta e il determinismo in tempo reale, la gestione dei sensori per la consapevolezza contestuale, il controllo del movimento, il posizionamento e la visione, saranno critici ai fini della funzionalità e della sicurezza. Tutto ciò avverrà con l’acquisizione di grandi quantità di dati per la tracciabilità e l’analisi degli andamenti nel lungo termine. Come categoria di robot mobili, i droni costituiscono un’opportunità in forte crescita nei mercati commerciali e della difesa. In generale, l’intelligenza artificiale basata sulla visione è la chiave per il funzionamento autonomo, che dipende dal riconoscimento delle immagini in tempo reale e dalla classificazione degli oggetti per ottimizzare i percorsi di navigazione. Le applicazioni legate alla difesa stanno adottando comunicazioni tattiche potenziate dall’intelligenza artificiale con tecniche come quella che prevede la presenza dell’uomo nel processo (“human-in- the-loop”), basate sull’apprendimento automatico per aiutare nel processo decisionale. Queste applicazioni, come pure i droni per i servizi di emergenza, faranno anche ricorso alla tecnologia radio cognitiva avanzata per auto- riconfigurarsi autonomamente in presenza di qualsiasi banda di frequenza, schema di modulazione e standard di accesso, sfruttando l’intelligenza artificiale per adattarsi e apprendere. Più che l’elaborazione IA, il più grande collo di bottiglia per leprestazioni è rappresentatodalla gestionedi piùmodalità di rilevamento come radio, radar, visione artificiale e altre soluzioni necessarie per una punatuale consapevolezza situazionale. L’elaborazione adattiva può soddisfare questi requisiti e ospitare il sistema completo, con una conseguente riduzione di dimensioni, peso e consumi. Accelerazione dell’IA a bordo rete Per abilitare questi nuovi dispositivi intelligenti a bordo rete, èpossibile sfruttare le architetturedi elaborazione che Fig. 1 – L’architettura eterogenea della piattaforma Versal hanno fornito l’intelligenza artificiale ad alte prestazioni nel cloud. La piattaforma Versal di Xilinx (Fig. 1) introduce numerosi processori diversamente ottimizzati in un unico chip, dotato di memoria, periferiche e connettività a banda larga a livello di piattaforma. Una delle innovazioni più importanti introdotte dalla piattaforma Versal è la matrice IA (Fig. 2), che combina centinaia di unità di elaborazione vettoriale (VPU). Ogni VPU dispone di RAM posizionata nelle immediate vicinanze, che consente l’accessoabassa latenza attraverso un’interfaccia a banda larga. Le VPU adiacenti possono condividere questa RAM, dando origine a una gerarchia senza cache che può essere allocata in modo flessibile. Un’interconnessione con banda equivalente fino a qualche decina di terabyte al secondo collega le VPU. Insieme, la matrice di unità vettoriali, la memoria distribuita e l’interconnessione flessibile creano un’architettura programmabile via software che è adattabile all’hardware e offre banda larga e parallelismo con bassi livelli di consumo e di latenza. La resa dell’elaborazione di segnale è fino a dieci volte superiore rispetto alle GPU che accelerano l’intelligenza artificiale, l’elaborazione della visione e l’elaborazione wireless su cloud. Ora, le piattaforme adattive Versal per l’IA a bordo rete ottimizzano ulteriormente questa architettura per soddisfare le esigenze particolari dei dispositivi intelligenti a bordo rete. In particolare, l’unità IA-ML (Fig. 3) è una variante dell’unità IA, ottimizzata per l’apprendimento automatico. Rispetto all’unità IAVersal standard, l’unità IA-Msupporta in modo nativo una gestione più rapida ed efficiente della quantizzazioneinteraINT4edeicalcoliinvirgolamobilea16 bit BFLOAT16, comuni nelle applicazioni di apprendimento Fig. 2 – La matrice IA è dotata di RAM distribuita strettamente accoppiata