ไมโครชิพเปิดตัวชุดเครื่องมือพัฒนา Machine Learning เพื่อประสาน Machine Learning ลงในไมโครคอนโทรลเลอร์และไมโครโปรเซสเซอร์ได้ง่ายยิ่งขึ้น

โซลูชันแรกที่รองรับ MCU และ 32-MPU แบบ 8 บิต, 16 บิต และ 32 บิต สำหรับ Machine Learning ที่เหนือระดับ

8 กันยายน พ.ศ. 2566 Machine Learning (ML) ได้กลายเป็นข้อกำหนดมาตรฐานสำหรับนักออกแบบระบบฝังตัว (Embedded) ที่กำลังดำเนินงานพัฒนาและปรับปรุงผลิตภัณฑ์หลากลายชนิด ไมโครชิพ เทคโนโลยี (Nasdaq: MCHP) ตอบสนองความต้องการนี้ โดยได้เปิดตัวขั้นตอนการทำงานแบบครบวงจรที่สมบูรณ์ สำหรับเพิ่มความคล่องตัวในการพัฒนาแบบจำลอง Machine Learning ด้วย ชุดเครื่องมือพัฒนา MPLAB® Machine Learning  ใหม่ ชุดเครื่องมือซอฟต์แวร์นี้สามารถใช้งานได้กับกลุ่มผลิตภัณฑ์ไมโครคอนโทรลเลอร์ (MCU) ของไมโครชิพ และไมโครโปรเซสเซอร์ (MPU) เพื่อเพิ่มการอนุมาน Machine Learning อย่างรวดเร็วและมีประสิทธิภาพ

รอดเจอร์ ริชชีย์ รองประธานประจำหน่วยธุรกิจระบบการพัฒนาของไมโครชิพ กล่าวว่า “Machine Learning เป็นความปกติรูปแบบใหม่ (New Normal) สำหรับคอนโทรลเลอร์แบบฝังตัว และการใช้ Machine Learning ที่เหนือระดับ (Edge) จะช่วยให้ผลิตภัณฑ์มีประสิทธิภาพ มีความมั่นคงปลอดภัยมากยิ่งขึ้น และใช้พลังงานน้อยกว่าระบบที่ใช้การสื่อสารทางคลาวด์ในการประมวลผล โซลูชันแบบครบวงจรเฉพาะตัวของไมโครชิพได้รับการออกแบบมาเพื่อวิศวกรระบบฝังตัว และเป็นโซลูชันแรกที่ไม่เพียงรองรับไมโครคอนโทรลเลอร์และไมโครโปรเซสเซอร์ 32 บิตเท่านั้น แต่ยังรอบรับอุปกรณ์ 8 บิตและ 16 บิตเพื่อการพัฒนาผลิตภัณฑ์อย่างมีประสิทธิภาพอีกด้วย”

Machine Learning ใช้วิธีการที่ใช้อัลกอริทึมในการสร้างรูปแบบต่าง ๆ จากชุดข้อมูลขนาดใหญ่เพื่อให้สามารถดำเนินการตัดสินใจได้ โดยปกติแล้ว วิธีการนี้จะรวดเร็วกว่า อัปเดตง่ายกว่า และมีความถูกต้องแม่นยำสูงกว่าการประมวลผลแบบแมนวล ตัวอย่างการใช้งานเครื่องมือนี้โดยลูกค้าของไมโครชิพคือ การสร้างโซลูชันบำรุงรักษาแบบคาดการณ์ล่วงหน้า เพื่อคาดการณ์อย่างแม่นยำถึงปัญหาที่อาจเกิดขึ้นกับอุปกรณ์ที่ใช้งานในด้านอุตสาหกรรม การผลิต ผู้บริโภค และยานยนต์

ชุดเครื่องมือพัฒนา Machine Learning MPLAB ช่วยวิศวกรออกแบบแบบจำลอง Machine Learning ที่มีประสิทธิภาพสูงและมีฟุตพรินต์ขนาดเล็ก ชุดเครื่องมือนี้ขับเคลื่อนโดย AutoML ซึ่งช่วยกำจัดภาระงานการสร้างแบบจำลองที่ซ้ำซ้อน น่าเบื่อ และเปลืองเวลา ซึ่งรวมถึงการสกัด (Extraction) การฝึก การตรวจสอบความถูกต้อง และการทดสอบ นอกจากนี้ ชุดเครื่องมือนี้ยังช่วยปรับปรุงแบบจำลอง เพื่อให้สอดคล้องกับข้อจำกัดด้านหน่วยความจำของไมโครคอนโทรลเลอร์และไมโครโปรเฟสเซอร์อีกด้วย

เมื่อใช้งานร่วมกับ สภาพแวดล้อมการพัฒนาแบบครบวงจร MPLABX ชุดเครื่องมือใหม่นี้จะมอบโซลูชันที่สมบูรณ์ ซึ่งสามารถใช้งานโดยผู้ที่มีความรู้ด้านการเขียนโปรแกรม Machine Learning เพียงเล็กน้อยหรือไม่มีเลยได้อย่างง่ายดาย ช่วยกำจัดต้นทุนในการจ้างนักวิทยาศาสตร์ข้อมูล นอกจากนี้ ชุดเครื่องมือนี้ยังมีความซับซ้อนเพียงพอสำหรับการควบคุมใช้งานโดยนักออกแบบ Machine Learning ที่มีประสบการณ์

ยิ่งไปกว่านั้น ไมโครชิพยังเสนอทางเลือกในการนำแบบจำลองจาก TensorFlow Lite มาใช้ในโครงการ MPLAB Harmony v3 ซึ่งเป็นกรอบการพัฒนาซอฟต์แวร์แบบฝังตัวที่ครบวงจรอย่างเต็มรูปแบบ ซึ่งมอบโมดูลซอฟต์แวร์ที่ยืดหยุ่นและทำงานระหว่างระบบได้ เพื่อลดความซับซ้อนในการพัฒนาคุณลักษณะเพิ่มมูลค่าและลดเวลาในการนำผลิตภัณฑ์เข้าสู่ตลาด นอกจากนี้ ชุดเครื่องมือพัฒนาซอฟต์แวร์ตัวเร่งความเร็ว VectorBlox™ ยังเสนอ โครงข่ายประสาทเทียม (CNN) ที่ใช้พลังงานต่ำ  ซึ่งมีการอนุมานด้วยปัญญาประดิษฐ์ AI/Machine Learning (AI/ML) โดย PolarFire® FPGAs.อีกด้วย 

ชุดเครื่องมือพัฒนา MPLAB Machine Learning มอบเครื่องมือที่จำเป็นในการออกแบบและปรับปรุงผลิตภัณฑ์เอดจ์ที่ใช้ในการอนุมาน Machine Learning เข้าชมหน้าเพจ โซลูชัน Machine Learning ของไมโครชิพ เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับการปรับปรุงกระบวนการพัฒนา ขณะที่ยังรักษาต้นทุนให้ต่ำและใช้เวลานำเข้าสู่ตลาดได้เร็วขึ้นด้วยเครื่องมือ Machine Learning ที่ใช้งานง่ายของไมโครชิพ

ราคาและความสามารถในการสั่งซื้อ

ราคาอาจแตกต่างกันขึ้นอยู่กับการให้สิทธิ์อนุญาต ไมโครชิพเปิดให้ทดลองใช้งานชุดเครื่องมือพัฒนา MPLAB Machine Learning เวอร์ชันใช้ฟรีเพื่อการประเมินได้ สำหรับข้อมูลเพิ่มเติมหรือการติดต่อสั่งซื้อ กรุณาติดต่อตัวแทนฝ่ายขายของไมโครชิพที่ www.microchipdirect.com

About pawarit

Check Also

XpressConnect™ PCIe® 6.0 และ CXL 3.1 Retimers พร้อมตอบโจทย์ความท้าทายด้านความหน่วงและความสมบูรณ์ของสัญญาณในศูนย์ข้อมูล AI [PR]

ขณะที่ภาระงานของ AI ขยายขอบเขตออกไปในวงกว้างมากขึ้น สถาปัตยกรรมศูนย์ข้อมูลต้องเผชิญกับข้อจำกัดด้านระยะการส่งสัญญาณและความหน่วงที่เพิ่มสูงขึ้นมากขึ้นเรื่อย ๆ ส่งผลให้ทรัพยากรหน่วยความจำอันมีค่าในคลัสเตอร์ GPU ขนาดใหญ่ไม่ได้รับการใช้งานอย่างเต็มประสิทธิภาพ และความท้าทายเหล่านี้ก็ยิ่งทวีความรุนแรงมากขึ้น เมื่อความเร็วในการเชื่อมต่อเพิ่มสูงขึ้น โดยที่ความเร็ว 64 GT/s (กิกะทรานส์เฟอร์ต่อวินาที) ข้อจำกัดด้านความสมบูรณ์ของสัญญาณอาจส่งผลให้การขยายขนาดของระบบทำได้ยากขึ้น …

K.W. Metal Work ใช้ Agentforce ขยายการให้บริการตลอด 24 ชั่วโมง ช่วยยกระดับการให้บริการแก่เกษตรกรไทยกว่า 20,000 ราย [PR]

K.W. Metal Work ผู้นำด้านการผลิตเครื่องจักรกลการเกษตรที่เติบโตอย่างรวดเร็วในประเทศไทย ได้นำ Agentforce ของ Salesforce มาใช้เพื่อยกระดับการให้บริการลูกค้ากลุ่มเกษตรกรตลอด 24 ชั่วโมง ด้วยระบบแนะนำผลิตภัณฑ์อัจฉริยะที่ผสานการทำงานของ Agentforce Service, MuleSoft …