글: George Dickey
기술 혁신은 종종 수십 년 안에 전기, 컴퓨터 및 인터넷 등 우리의 삶을 변화시키는 파도로 다가옵니다. 가장 최근의 물결은 인공 지능(AI)입니다. AI는 처음부터 주로 대규모 컴퓨팅 플랫폼으로 제한되어 왔습니다. 그러나, 첨단 프로세서 기술과 고효율 AI 네트워크의 융합은 임베디드 시스템 내에서 실행되는 AI를 허용하는 획기적인 혁신을 불러왔습니다. 이러한 시스템에는 '에지'에서 이전에 볼 수 없었던 기능을 지원하는 특수 AI용 프로세서와 기계 학습 지원 센서가 장착되는 경우가 많습니다.
이 기능을 통해 새로운 수준의 예측 유지 관리가 가능해졌습니다. 임베디드 AI 가속화는 사람의 개입 없이 문제가 발생하기 전에 이를 확인할 수 있습니다. 이 기사에서는 엣지에서 AI 알고리즘을 활성화하는 몇 가지 새로운 프로세서 기술을 살펴봅니다.
임베디드 AI 시스템
AI 지원 마이크로컨트롤러 및 MEMS 센서는 예측 유지 보수 AI 혁명의 최전선에 있습니다. 이러한 장치의 특징은 작은 크기, 낮은 전력 소비 및 AI와 관련된 특정 수학 기능을 가속화하는 기능입니다. 장치에서는 AI 코어 및/또는 센서 모듈과 결합된 기존 임베디드 프로세서를 통해 실제 시계열 기반 데이터를 실시간으로 분석하고 대응할 수 있습니다. 시계열 데이터 응용 분야에서 임베디드 AI를 구현하는 방법에는 여러 가지가 있습니다. 그 전에…
시계열 데이터용 AI란 무엇입니까?
시계열 데이터는 일정한 간격의 시간에 걸쳐 수집되거나 기록되거나 측정된 일련의 데이터 포인트를 나타냅니다. 분석가는 시계열 데이터 포인트를 통해 시간이 지남에 따라 데이터가 어떻게 발전하거나 변화하는지 파악할 수 있습니다.
시계열 데이터 분석에는 데이터 내의 패턴, 추세, 이상 현상 및 동작을 이해하는 작업이 포함되어 있습니다. AI를 사용하면 미래 가치에 대한 관찰이나 예측을 수행하고 데이터에서 통찰력을 얻어 의사 결정을 내릴 수 있습니다. 이러한 분석 유형은 처리 하드웨어에 대한 이해와 선택이 필요한 AI 네트워크를 사용하여 처리할 수 있습니다.
예측 유지 관리, 환경 이상 감지, IoT 장치, 다축 모션 등과 같은 응용 분야에서 시계열 데이터를 사용하여 데이터 내의 패턴, 추세 및 동작을 파악할 수 있습니다. 나선형 신경망, 순환 신경망, 장단기 기억 네트워크, 게이트 순환 단위 등의 AI 알고리즘을 사용하면 시계열 데이터를 사용하여 원하는 결과나 변칙적인 결과를 감지할 수 있습니다. 이러한 기계 학습 알고리즘은 일반 하드웨어에서 실행될 수 있지만 AI 코어가 있는 프로세서 및/또는 센서를 사용하면 대기 시간이 줄어들고 효율성이 높아집니다.
Cortex-M 코어, NPU, GPU 및 임베디드 AI 센서 어셈블리를 포함한 여러 일반적인 프로세서 노심 기술을 AI 시계열 데이터 분석에 사용할 수 있습니다. 이러한 새로운 프로세서 기술 및 전용 AI 알고리즘의 융합은 임베디드 시스템과 엣지 컴퓨팅의 혁신을 주도하고 있습니다. 의료, 자동차, 제조 및 농업 등의 응용 분야에서 임베디드 AI 프로세서는 전례 없는 속도, 정확도 및 효율성으로 실제 데이터를 분석하는 더 스마트하고 자율적인 장치를 위한 길을 닦고 있습니다.
모터 제어 응용 분야의 시계열 데이터를 보여 주는 Nanoedge AI Studio.
기계 학습이 지원되는 마이크로컨트롤러
M0부터 M85까지의 Cortex-M 시리즈 마이크로컨트롤러(MCU)는 AI 실행 여부에 관계없이 다양한 응용 분야에서 임베디드 시스템 처리를 위한 중추 역할을 하는 경우가 많습니다. 이러한 코어는 저전력 실시간 데이터 처리를 위해 설계되었으므로 임베디드 AI 하드웨어 솔루션에 유용합니다.
예를 들어 32비트 Arm Cortex-M33을 사용하는 STMicroelectronics STM32L5 및 NXP의 MCX-A는 간단한 AI 네트워크를 활용하는 임베디드 시스템에 사용하기 위한 유용한 MCU입니다. 기존의 Cortex-M 코어는 센서 데이터 처리 및 간단한 AI 처리에 탁월하지만, 보다 복잡한 기계 학습 작업의 경우 추가 코어를 통합하여 기계 학습을 더욱 활성화하는 마이크로컨트롤러에 대해 살펴보겠습니다.
그래픽 처리장치(GPU)
주로 2D(때때로 3D) 그래픽 성능을 향상시키는 것이 목적이지만, GPU는 임베디드 AI 응용 분야를 위해 Cortex-M MCU와 함께 점점 더 많이 활용되고 있습니다. 이러한 병렬 처리장치는 이미지 인식, 물체 감지 등의 작업을 위한 CNN(나선형 신경망)과 같은 심층 학습 알고리즘에 활용될 수 있습니다. 예를 들어 STM32U5는 Cortex-M33과 NeoChrome GPU를 갖추고 있으므로 산업, 스마트 시티, 스마트 홈 및 IoT 응용 분야의 임베디드 AI 솔루션이나 HMI 응용 분야에 적합합니다.
신경 처리장치(NPU)
신경 처리장치(NPU)는 프로그래밍이 기능적으로 스스로 학습하고 재프로그래밍할 수 있도록 신경망 계산을 가속화하는 데 최적화된 코어입니다. Cortex-M 프로세서와 함께 구현되는 경우가 많은 이 코어는 표준 Cortex-M 코어가 단독으로 수행할 수 있는 것보다 더 복잡한 신경망 알고리즘을 실행할 수 있습니다.
예를 들어 NXP의 MCX-N은 Arm Cortex-M33과 맞춤형 eIQ 신경 처리장치를 결합합니다. Alif Semiconductor의 Ensemble 제품군은 Arm Cortex-M55 CPU와 ARM Ethos-U55 신경 처리장치를 통해 구현된 전용 에지 AI 가속기를 결합한 산업 응용 분야용 마이크로컨트롤러입니다. 이 제품군은 단일 Cortex-M55 또는 이중 Cortex-M55, 단일 또는 이중 Ethos-U55 및 1개 또는 2개의 Cortex-A32 MPU 코어와 함께 선택적으로 사용할 수 있습니다.
임베디드 시스템은 AI 작업을 NPU에 오프로드하여 전력, 크기 및 리소스를 보존하면서 실시간 신경망 추론을 달성할 수 있습니다.
임베디드 AI 코어가 있는 센서
논의한 바와 같이, 임베디드 AI 응용 분야에서는 데이터 처리의 계산 측면을 위해 표준 MCU를 활용하는 경우가 많습니다. 그러나 새로운 센서 기술은 AI 처리를 MCU 외부로 옮기고 MLC(기계 학습 코어) 및 ISPU(지능형 센서 처리장치)라고 하는 임베디드 AI 처리 코어를 센서 자체 내에 배치했습니다.
임베디드 MLC(기계 학습 코어)가 있는 센서는 특정 이벤트가 감지되면 작업을 트리거하도록 훈련되어 정확한 변화 시나리오를 감지할 수 있습니다. 이를 통해 MCU의 계산 부하를 줄여 저전력 아키텍처를 구현하고 시스템 효율을 향상시킬 수 있습니다. 예를 들어, LSM6DSV16BXTR은 AI 기능을 지원하는 MLC를 갖춘 3축 가속도계와 3축 자이로스코프가 포함된 IMU입니다.
센서에는 ISPU 내에서 기계 학습 및 신경망 처리를 지원하여 높은 처리 기능을 갖춘 통합 디지털 신호 프로세서인 ISPU(지능형 센서 처리장치)가 포함될 수도 있습니다. 이러한 코어 아키텍처를 사용하면 더 많은 계산을 처리하기 위해 외부 MCU 없이 내부 및 외부 센서를 AI 기반으로 처리할 수 있습니다. 외부 MCU 없이도 다양한 센서 입력에 대한 자동 보정, 센서 융합 및 이상 감지에 사용됩니다. 대신, 범용 마이크로컨트롤러 로드에 더 작은 MCU를 사용할 수 있습니다.
결론
시계열 데이터에 AI를 적용하는 것은 산업, 의료 및 소비자 응용 분야에 인텔리전스를 추가할 수 있는 잠재력을 지닌 흥미로운 개발 영역입니다. AI 솔루션 개발에는 고려할 요소가 많이 있으며, 프로세서 선택은 그 중 하나일 뿐입니다.
자세한 내용과 안내를 받으려면 Arrow AI 전문가와의 상담을 예약하고 AI 웨비나 시리즈를 팔로우하세요.
관련 제품:
관련 상품 참조
관련 상품 참조
관련 상품 참조
관련 상품 참조
추가 AI 엔지니어링 자료:
Alif Semiconductor
MCX 범용 마이크로컨트롤러
EMEA 수직 자율 기계
EDGE AI 웨비나
