EON_630

EON EWS n . 630 - MAGGIO 2019 22 32 µm di larghezza e oltre 260 µm di profondità e sono relativamente economici da realizzare. Dal punto di vista delle prestazioni, imec pre- cisa che il nuovo sistema di raffreddamento offre una re- sistenza termica complessiva da 0,34 K/W a 0,28 K/W e si può utilizzare una pompa da 2 W per il liquido. Si pos- sono trasferire oltre 600 W/ cm 2 lasciando il componente a temperature inferiori ai 100 °C. I valori di trasferimento del calore sono maggiori di circa due ordini di grandezza ri- spetto a quel- li dei classici dissipatori in metallo. Nella versio- ne attuale, i dissipatori di calore a mi- crocanali in silicio sono fabbricati se- paratamente rispetto ai chip e quindi interfacciati alla par- te posteriore dei componen- ti. Utilizzando un’interfaccia ottimizzata di tipo Cu/Sn-Au, imec sottolinea che si può ot- tenere una resistenza termica di contatto molto bassa tra le due parti. imec sta lavorando però an- che allo sviluppo di una nuova generazione di questa solu- zione di raffreddamento inte- grando direttamente il siste- ma di dissipazione di calore e il circuito integrato a livello di wafer. Dal punto di vista dei costi, uno degli obbiettivi è quello di far costare questo sistema un dollaro per ogni chip. per esempio vi- deoregistratori di rete, robot domestici e ga- teway intelligenti con funzionali- tà complete di analisi. È progettato per ridurre i tempi complessivi di sviluppo e portare i prodotti sul mercato più velocemente riducendo il tempo impiegato nella progettazione hardware, test e verifica di un sistema AI complesso ed effi- ciente dal punto di vista energe- tico. Nvidia ha anche creato una piattaforma di riferimento per fa- cilitare iniziare la realizzazione di applicazioni AI riducendo al mini- mo il tempo dedicato all’assem- blaggio hardware iniziale. Jetson Nano condivide inoltre lo stack software della famiglia di Jetson. Nvidia CUDA-X è una raccolta di oltre 40 librerie di accelerazione che consentono alle applicazio- ni di elaborazione di beneficiare della piattaforma con GPU di Nvidia. JetPack SDK è basato su CUDA-X ed è uno stack softwa- re AI completo, con librerie per deep learning, computer vision, computer graphic e elaborazio- ne multimediale che supportano l’intera famiglia Jetson. JetPack include inoltre le più recenti versioni di CUDA, cuDNN, Ten- sorRT e un sistema operativo Linux desktop completo. Jetson è compatibile anche con la piat- taforma Nvidia AI. Per aiutare i clienti a spostare agevolmente a livello edge i workload AI e di machine learning, Nvidia ha collaborato con Amazon Web Services per qualificare AWS Internet of Things Greengrass in modo che possa funzionare in modo ottimale con i dispositi- vi basati su Jetson come Jetson U no dei trend più longevi nell’elettronica è la miniatu- rizzazione, ma ormai in alcuni settori i problemi da risolvere per poter ridurre ulteriormente le dimensioni dei circuiti sono molto complessi. Uno di que- sti è legato allo smaltimento del calore prodotto dai semi- conduttori che offrono densità di potenza sempre maggiori. I sistemi di raffreddamento dei microchip devono infatti man- tenere le temperature a livelli adeguati per evitare danni e non limitare la vita operativa dei componenti, ma gli attuali sistemi spesso non sono più sufficienti e i relativi costi, inol- tre, stanno aumentando sen- sibilmente. imec ha realizzato un sistema di raffreddamento innovativo che offre prospetti- ve molto interessanti, sia dal punto di vista dell’efficienza sia da quello dei costi. Il siste- ma infatti è realizzato tramite microcanali e il materiale usa- to è il silicio. I microcanali permettono il passaggio di un microfluido che trasferisce il calore e of- frono una superficie di scam- bio migliore rispetto ad altre soluzioni. Il silicio invece of- fre diversi vantaggi come per esempio una discreta condu- cibilità termica, la possibilità di essere modellato con estre- ma precisione, ma soprattutto il fatto che è lo stesso mate- riale usato per realizzare i chip, per cui diventa possibile realizzare le microstrutture di raffreddamento direttamente a livello di chip. I microcanali utilizzati sono delle strutture molto piccole che misurano N vidia ha annunciato un modu- lo per applicazioni d’intelligenza artificiale (AI) estremamente compatto, ma dalle prestazioni particolarmente elevate. Il com- puter si chiama Jetson Nano, è basato su CUDA-X, consuma 5 W e, in termini di prestazioni, può raggiungere i 472 GFLOP. Le caratteristiche principali di Jetson Nano comprendono una GPU Nvidia con 128 core con architettura Maxwell, una CPU quad-core ARM A57, 4 GB di memoria di tipo LPDDR4 a 64 bit con prestazioni di 25,6 gigabyte/s, codifica/decodifica 4K a 30 fps (H.264/H.265)/4K a 60 fps (H.264 / H.265), MIPI CSI-2 DPHY, connettività Gigabit Ethernet. Jetson Nano supporta sensori ad alta risoluzione, può gestire i dati di numerosi sensori in parallelo e può far funzionare più reti neurali per ogni stream di sensori. Supporta inoltre diversi frameworkAI, rendendopiùsem- plice per gli sviluppatori integrare nei prodotti i loro modelli preferiti. Jetson Nano è disponibile in due versioni: un development kit per sviluppatori, produttori e appas- sionati che costa 99 dollari, e un modulo pronto per la produzione per le aziende che costa invece 129 dollari. Il kit di sviluppo viene fornito con il supporto per Linux desktop completo, compatibilità con molte periferiche e acces- sori, ma anche con progetti e tutorial pronti all’uso che aiutano a sviluppare rapidamente appli- cazioni di intelligenza artificiale. Nvidia gestisce anche un forum per sviluppatori Jetson. Il mo- dulo Jetson Nano può essere utilizzato per un’ampia gamma di applicazioni integrate, come F RANCESCO D E P ONTE F RANCESCO F ERRARI La soluzione di imec per migliorare il raffreddamento dei chip utilizza microcanali ricavati direttamente dal silicio La famiglia di board Jetson di Nvidia è stata ampliata con un nuovo componente per facilitare la realizzazione di applicazioni AI Da imec un sistema di raffreddamento per chip più efficiente Jetson Nano: 472 GFLOP per applicazioni AI Il sistema di raffreddamento di imec utilizza un fluido che passa in microcanali realizzati nel silicio raggiungendo una elevata efficienza nel trasferimento del calore dai chip Jetson Nano è disponibile sia come development kit sia come modulo T ECNOLOGIE