EON_638

EON EWS n . 638 - FEBBRAIO 2020 25 le quali elettrodomestici, si- stemi medicali di diagnostica per immagini, sistemi per il controllo degli impianti pro- duttivi, sistemi per il controllo dell’ambiente, sistemi robotici, droni, nonché tutte le forme di trasporto, che possono trarre evidenti benefici dall’integra- zione della IP di Arm e dalla modellazione all’interno della piattaforma PAVE360. La rivoluzione in atto nel set- tore automobilistico sta avan- zando molto velocemente verso due importanti punti di svolta, il cui raggiungimento è previsto entro pochissimi anni. Con la diffusione degli EV, che a sua volta conduce verso gli AV, un passo falso nello sviluppo delle piattafor- me di prossima generazione, estremamente complesse, po- trebbe rivelarsi enormemente costoso per un OEM, o per un fornitore della filiera automo- tive. PAVE360 consente agli OEM di valutare ogni singolo componente del progetto di un veicolo lungo tutto l’arco del suo processo di sviluppo, comprimendo al contempo la durata complessiva del ciclo di progettazione. Inoltre, con l’in- tegrazione della IP per i semi- conduttori di Arm, che include la IP dedicata AE (Automotive Enhanced), la piattaforma PA- VE360 conterrà la più estesa libreria di IP progettata per le applicazioni contenenti aspetti critici di sicurezza, consenten- do così ai progettisti di SoC di sviluppare soluzioni ottimizza- te per tutti i veicoli del futuro, rispettando la prima scaden- za critica, ormai prossima: il punto di svolta del mercato legato agli AV, previsto per il 2025/2026. Infine, la combina- zione Arm-PAVE360 potrebbe essere utilizzata per accelera- re i cicli di progettazione an- che di altre piattaforme elettro- meccaniche basate su SoC (e potenzialmente anche su IP), customizzandoli e ottimizzan- doli per lo specifico segmento di mercato o per la specifica applicazione. TowerJazz e Technion hanno sviluppato una piattaforma con memristor che utilizza un processo produttivo CMOS a 0,18 micron Il nuovo componente, realizzato con un consolidato e affidabile processo produttivo, può essere utilizzato per dotare di intelligenza artificiale i sistemi Edge Un memristor basato su tecnologia CMOS a 0,18 micron F RANCESCO FERRARI TowerJazz e Technion han- no sviluppato una piattaforma analogica utilizzabile per ap- plicazioni di intelligenza arti- ficiale nei dispositivi a livello edge. Questa piattaforma, basata sui memristor consente infat- ti l’elaborazione dei dati con bassissimi consumi in sensori e dispositivi periferici IoT, co- me per esempio sensori di impronte digitali, applicazioni di riconoscimento facciale e audio. Questa tecnologia è partico- larmente interessante, rispet- to alle soluzioni digitali esi- stenti, sia perché consente di ridurre sensibilmente il consu- mo di energia (di diversi ordini di grandezza) sia perché è possibile implementarla usan- do processi produttivi con no- di tecnologici meno avanzati (CMOS a 0,18 um) rispetto ai più recenti utilizzati. Rispetto ad altre soluzioni di memoria non volatile (NVM) rivolte alle applicazioni AI, i memristor a due terminali svi- luppati, infatti, si basano su una tecnologia CMOS com- merciale che offre una mag- giore affidabilità. In pratica transistor floating-gate origi- nariamente progettati per l’ar- chiviazione di dati digitali, so- no stati convertiti in dispositivi analogici che permettono di ottenere livelli resistivi discre- ti. Questi memristor, inoltre, possono essere facilmente integrati con altri dispositivi sulla stessa piattaforma. I problemi dell’hardware Il limite insito nei calcolatori attuali basato sul modello di Von Neumann, è la separa- zione fra i componenti propo- sti alla memoria e quelli usati, invece, per l’elaborazione. L’esecuzione di una sequen- za di operazioni, genera- ta dalle istruzioni software, permette di eseguire deter- minati compiti, ma in modo nettamente diverso da come opera, invece, il nostro cer- vello dove gli elementi di ba- se, cioè i neuroni, svolgono in contemporanea sia compiti di memoria che compiti di ela- borazione dei dati. Una ulte- riore, e importante, differenza è che nel nostro cervello le operazioni si svolgono in pa- rallelo e non in modo sequen- ziale. Questo permette di utilizzare la memoria associativa, tipi- ca del pensiero umano. Per esempio, se vediamo un cane non cerchiamo una voce in un indice di elementi memo- rizzati per trovare una corri- spondenza, ma identifichia- mo immediatamente il cane in modo associativo. Questo meccanismo è sia rapido che efficiente dal punto di vista del consumo energetico. Inol- tre la capacità del cervello di apprendere migliora man ma- no che i collegamenti tra le sinapsi e le cellule nervose cambiano e vengono aggior- nati. Questa serie di operazioni può essere realizzata via soft- ware (con algoritmi di AI e de- ep learning per esempio) uti- lizzando gli attuali computer, ma la realizzazione di una ap- posito hardware risulta molto più efficiente. TowerJazz e Technion sono riusciti a a realizzare una piat- taforma con componenti sono facilmente implementabili ed economicamente interessanti dato che utilizzano un conso- lidato processo produttivo. T ECNOLOGIE