시간 시계열 데이터의 트렌드를 식별할 수 있는 임베디드 AI 시스템
By George Dickey
기술 혁신은 종종 몇 십 년 이내에 인간의 삶을 변화시키는 물결로 찾아옵니다: 전기, 컴퓨터, 인터넷. 가장 최근의 물결은 인공지능(AI)입니다. AI는 처음에는 주로 대규모 계산 플랫폼에 제한되어 있었지만, 고급 프로세서 기술과 고효율 AI 네트워크의 융합이 획기적인 혁신을 가져와 AI가 임베디드 시스템 내에서 실행될 수 있게 되었습니다. 이러한 시스템은 종종 AI에 특화된 프로세서와 머신 러닝 기능이 있는 센서로 장착되어 ‘엣지’에서 전례 없는 기능을 실현합니다.
이러한 기능은 예측 유지 보수의 새로운 수준을 가능하게 합니다. 내장 AI 가속은 인간의 개입 없이 문제를 사전에 식별할 수 있습니다. 이 기사는 엣지에서 AI 알고리즘을 가능하게 하는 몇 가지 새로운 프로세서 기술을 살펴봅니다.
임베디드 AI 시스템
AI 기능을 갖춘 마이크로컨트롤러와 MEMS 센서는 예측 유지보수 AI 혁명의 최전선에 있습니다. 이 장치들은 컴팩트한 크기, 저전력 소비 및 AI와 관련된 특정 수학 함수를 가속화하는 능력으로 특징지어집니다. 전통적인 임베디드 프로세서는 AI 코어 및/또는 센서 모듈과 결합하여 장치가 실시간으로 실제 세계의 시계열 기반 데이터를 분석하고 반응할 수 있게 합니다. 임베디드 AI가 시계열 데이터 응용 프로그램에 구현되는 여러 가지 방법이 있습니다. 하지만 먼저…
시계열 데이터에 대한 AI란 무엇입니까?
시계열 데이터는 일정한 시간 간격으로 수집, 기록 또는 측정된 데이터 포인트의 연속을 의미합니다. 시계열 데이터 포인트는 분석가가 데이터가 시간에 따라 어떻게 변화하거나 진화하는지를 이해할 수 있도록 합니다.
시계열 데이터 분석은 데이터 내 패턴, 트렌드, 이상 현상 및 행동을 이해하는 것을 포함합니다. AI는 데이터에서 인사이트를 추출하여 의사 결정을 정보화함으로써 미래 가치를 관찰하거나 예측하는 데 사용될 수 있습니다. 이러한 유형의 분석은 AI 네트워크를 사용하여 수행될 수 있으며, 이는 처리 하드웨어의 이해 및 선택이 필요합니다.
예측 유지보수, 환경 이상 탐지, IoT 장치, 다축 모션 등과 같은 애플리케이션에서 시계열 데이터는 데이터 내 패턴, 트렌드 및 행동을 이해하는 데 사용될 수 있습니다. 합성신경망, 순환신경망, 장단기 메모리 네트워크, 게이트 순환 유닛과 같은 AI 알고리즘을 사용하면 시계열 데이터를 통해 원하는 결과나 이상 결과를 감지할 수 있습니다. 이러한 머신 러닝 알고리즘의 실행은 일반적인 하드웨어에서도 가능하지만 AI 코어가 있는 프로세서 및/또는 센서를 사용하면 지연 시간을 줄이고 효율성을 높일 수 있습니다.
Cortex-M 코어, NPUs, GPUs 및 임베디드 AI 센서 assembly를 포함한 몇 가지 일반적인 프로세서 코어 기술은 AI 시계열 데이터 분석에 사용될 수 있습니다. 이 새로운 프로세서 기술과 전용 AI 알고리즘의 융합은 임베디드 시스템 및 엣지 컴퓨팅의 혁신을 주도하고 있습니다. 헬스케어, 자동차, 제조, 농업 등 다양한 애플리케이션에서 임베디드 AI 프로세서는 전례 없는 속도, 정확성 및 효율성으로 실제 데이터를 분석할 수 있는 더 스마트하고 자율적인 장치의 길을 열고 있습니다.
Nanoedge AI Studio가 모터 제어 응용 프로그램의 시계열 데이터를 표시합니다.
기계 학습 기능을 갖춘 마이크로컨트롤러
마이크로컨트롤러(MCU)인 Cortex-M 시리즈는 M0부터 M85까지 다양한 응용 프로그램에서 임베디드 시스템 처리의 중추 역할을 하며 AI가 실행되는지 여부와 관계없이 사용됩니다. 하지만 이 코어들은 저전력, 실시간 데이터 처리를 위해 설계되었기 때문에 임베디드 AI 하드웨어 솔루션에 적합합니다.
예를 들어, STMicroelectronics STM32L5 및 NXP의 MCX-A 는 32비트 Arm Cortex-M33을 사용하는 임베디드 시스템에 적합한 MCU로 간단한 AI 네트워크를 활용합니다. 이러한 전통적인 Cortex-M 코어는 센서 데이터 처리와 간단한 AI 처리에서는 뛰어난 성능을 발휘하지만, 더 복잡한 머신 러닝 작업을 위해서는 추가 코어를 통합하여 머신 러닝을 더욱 강화하는 마이크로컨트롤러를 살펴보겠습니다.
그래픽 처리 장치 (GPUs)
주로 2D(때로는 3D) 그래픽 성능 개선을 위해 설계된 GPU는 임베디드 AI 애플리케이션을 위해 Cortex-M MCU와 함께 점점 더 많이 활용되고 있습니다. 이러한 병렬 처리 장치는 이미지 인식 및 객체 감지와 같은 작업을 위해 CNN(컨볼루션 신경망)과 같은 심층 학습 알고리즘에 활용될 수 있습니다. 예를 들어, STM32U5 는 Cortex-M33과 NeoChrome GPU를 갖추고 있어 산업, 스마트 시티, 스마트 홈 및 IoT 애플리케이션의 HMI 애플리케이션 또는 임베디드 AI 솔루션에 적합합니다.
신경 처리 장치 (NPUs)
신경 처리 장치(NPU)는 신경망 계산을 가속화하도록 최적화된 고도로 전문화된 코어로, 이를 통해 프로그래밍이 기능적으로 학습하고 자체적으로 재프로그래밍할 수 있습니다. 이러한 코어는 종종 Cortex-M 프로세서와 함께 구현되며, 표준 Cortex-M 코어가 독립적으로 수행할 수 있는 것보다 더 복잡한 신경망 알고리즘을 실행할 수 있습니다.
예를 들어, NXP의 MCX-N 는 Arm Cortex-M33과 사용자 지정 eIQ 신경 처리 장치를 결합합니다. Alif Semiconductor의 Ensemble 시리즈는 산업 응용 프로그램 준비가 된 마이크로컨트롤러로, 전용 엣지 AI 가속이 가능한 ARM Ethos-U55 신경 처리 장치와 Arm Cortex-M55 CPU를 결합합니다. 이 시리즈는 단일 Cortex-M55 또는 듀얼 Cortex-M55, 단일 또는 듀얼 Ethos-U55, 선택적으로 하나 또는 두 개의 Cortex-A32 MPU 코어와 함께 제공됩니다.
AI 작업을 NPU로 오프로드함으로써, 임베디드 시스템은 전력, 크기 및 자원을 절약하면서 실시간 신경망 추론을 실현할 수 있습니다.
내장된 AI 코어가 있는 센서
논의된 바와 같이, 임베디드 AI 애플리케이션은 종종 데이터 처리의 계산 측면에서 표준 MCU를 활용합니다. 그러나 새로운 센서 기술은 AI 처리를 MCU 외부로 이동시키고, 머신 러닝 코어(MLC) 및 지능형 센서 처리 장치(ISPU)라고 하는 센서 자체 내에 임베디드 AI 처리 코어를 포함하게 되었습니다.
임베디드 머신 러닝 코어(MLC)를 가진 센서는 특정 이벤트가 감지될 때 행동을 유발하도록 훈련될 수 있어, 정확한 변화 시나리오를 감지할 수 있습니다. 이를 통해 MCU의 컴퓨팅 부하를 줄일 수 있으며, 저전력 아키텍처를 제공하고 시스템 효율성을 개선합니다. 예를 들어, LSM6DSV16BXTR 는 AI 기능을 활성화하기 위한 MLC를 특징으로 하는 3축 가속도계와 3축 자이로스코프를 갖춘 IMU입니다.
또한 센서는 지능형 센서 처리 장치(ISPU)를 특징으로 할 수 있으며, 이는 고처리 능력을 지원하기 위해 기계 학습 및 신경망 처리를 수행하는 통합 디지털 신호 프로세서입니다. 이 핵심 아키텍처는 외부 MCU가 더 높은 계산을 처리할 필요 없이 내부 및 외부 센서의 AI 기반 처리를 가능하게 합니다. 이는 외부 MCU 없이 다양한 센서 입력에서 자동 캘리브레이션, 센서 융합, 이상 탐지에 사용됩니다. 대신, 소형 MCU를 일반적인 목적의 마이크로컨트롤러 부하 처리에 사용할 수 있습니다.
결론
시계열 데이터에 AI를 적용하는 것은 산업, 의료 및 소비자 응용 프로그램에 지능을 추가할 잠재력을 지닌 흥미로운 개발 분야입니다. AI 솔루션 개발에는 프로세서 선택을 포함한 많은 요인들을 고려해야 합니다.
추가 정보와 지침을 원하시면 Arrow AI 전문가와 상담을 예약하고 AI 웨비나 시리즈를 팔로우하세요.
추가 AI 엔지니어링 리소스:
기사 태그
