0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

2021年的机器学习进入新阶段:量子机器学习

电子设计 来源:中电网 作者:中电网 2021-03-03 16:29 次阅读

在处理海量COVID-19数据时,机器学习对2020年产生了巨大影响。为了在2021年实现ML的发展,开发人员正在加倍使用设备上AI、低功耗架构和框架兼容性等功能。

机器学习(ML)在2020年产生了前所未有的影响,特别是在通过数据处理检测和跟踪COVID-19病毒时。研究人员受益于使用ML分析大量信息并就大量人员的整体健康得出结论。

到2021年,ML在量子计算、机器人技术和基于边缘的AI中的应用将具有巨大的潜力。

流程图,描述了机器学习AI流程的各个阶段。

机器学习AI处理步骤的高级流程图。图片由sustAGE提供

这些应用程序的核心是硬件。特别是,三个针对硬件的思想对于ML硬件开发必不可少:面向边缘的设计,低功耗架构以及与ML框架的兼容性。

将ML推向边缘:内置AI

考虑到正在使用和处理的大量数据时,边缘智能变得越来越必要。在为边缘AI设计时,设计人员必须考虑许多约束,例如功耗,电路板空间和计算时间。

设备上的AI解决了其中一些问题,可以进行本地化处理,这有助于减少云计算的负担,同时还可以更快、更节能。许多制造商意识到了这一好处,并试图将设备上的AI包含在智能手机,车辆和IoT设备等各种应用中。通过考虑边缘设计,工程师可以在产品投放市场时为其提供竞争优势。

LG的SoC和LG8111开发板是边缘AI的最新硬件产品。该SoC和开发板包括LG专用的AI处理器和AI加速器。这些设备一起支持各种AI处理功能,例如语音,视频,图像和控制智能。

LG8111 SoC和开发板。图片由LG提供

芯片还支持ASW IoT Greengrass,从而使该SoC和开发板可以根据设备托管各种应用程序和解决方案。

具有DSP和NN处理器的低功耗架构

在边缘进行设计时,功耗是最重要的考虑因素之一。机器学习处理大量数据;因此,在设计系统时,消除处理过程中的功率浪费是必要的。

实现低功耗架构的一种方法是同时使用低功耗数字信号处理器(DSP)和专用NN(神经网络)处理器。DSP Group通过其新的DVM10 DSP和nNetLite NN处理器将这种低功耗方案付诸实践。这种结构允许两个处理器之间具有不同的功能,具体取决于所安装的算法和框架。

这种设置还使处理器能够拆分读取数据和指定任务的过程,与所有任务只依靠一个处理器处理相比,减少功耗。

DBM10上受支持的应用程序以及当前的SoC。图片由DSPG提供

处理器的这种组合使SoC支持〜500μW的超低功耗推理,这对于大多数语音NN算法来说已经足够了。

与ML框架的兼容性

尽管编程和软件应用程序似乎与硬件设计是分开的,但它越来越成为一个交叉地带,尤其是在ML中。因此,有必要知道设备将使用什么框架。根据产品或用户的需求,拥有可以与各种ML框架兼容的处理器可能会有所帮助。

Ambarella的CV5处理器是框架兼容性的最新示例。CV5与常见的ML框架(例如Caffe,PyTorch,TensorFlow和ONNX)兼容。框架兼容性的灵活性为用户提供了多种选择,可将其神经网络集成到设备中。

2021年的机器学习:量子机器学习?

2021年预测的一个主要趋势是机器学习与量子计算的集成,被称为“量子机器学习”。根据《量子日报》的说法,量子机器学习指的是“旨在编写量子算法来执行机器学习任务的领域”。

对于经典计算机而言,某些机器学习算法过于复杂且劳动强度大。使用量子ML,研究人员可以将经典的ML算法转换为量子电路,从而使它们能够在量子计算机上有效运行。

经典机器学习(CML)与量子机器学习(GML)。图片由ICFO提供

新领域铺平道路

我们在去年看到了量子计算的商业化,同时增强了机器学习的优势。

在大流行仍在继续的情况下,迫切需要快速,准确的数据处理。通过使用板级设计选择扩展和发展机器学习,设计人员可以将机器学习推向边缘并解决日益增加的数据处理负担。
编辑:hfy

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • dsp
    dsp
    +关注

    关注

    544

    文章

    7661

    浏览量

    343897
  • AI
    AI
    +关注

    关注

    87

    文章

    26129

    浏览量

    263712
  • 机器学习
    +关注

    关注

    66

    文章

    8061

    浏览量

    130441
  • 量子计算
    +关注

    关注

    4

    文章

    952

    浏览量

    34273
  • COVID-19
    +关注

    关注

    0

    文章

    226

    浏览量

    10452
收藏 人收藏

    评论

    相关推荐

    量子计算机重构未来 | 阅读体验】+机器学习的终点是量子计算?

    很高兴,有可以有书看了。 对量子计算感兴趣,要从大概10前说起了,虽然我之前从事的工作跟计算关系不是很直接。 但是,后来随着接触的任何事情越来越多,才发现,原来很多事情都可以交给机器做了。 于是
    发表于 03-10 16:33

    浅析机器学习的基本步骤

    机器学习中,机器学习的效率在很大程度上取决于它所提供的数据集,数据集的大小和丰富程度也决定了最终预测的结果质量。目前在算力方面,量子计算能
    发表于 10-30 11:13 202次阅读
    浅析<b class='flag-5'>机器</b><b class='flag-5'>学习</b>的基本步骤

    机器学习发展历程中不同时期的标志性事件有哪些

    的深度学习机器学习的发展历程中出现了许多标志性的事件。 20世纪50年代初期,计算机科学家Arthur Samuel发明了第一个能够进行自我学习的程序——西洋棋程序。这一事件标志着
    的头像 发表于 08-17 16:30 947次阅读

    机器学习发展历程

    机器学习发展历程:机器学习发展现状、机器学习发展前景和机器
    的头像 发表于 08-17 16:30 1056次阅读

    机器学习有哪些算法?机器学习分类算法有哪些?机器学习预判有哪些算法?

    机器学习有哪些算法?机器学习分类算法有哪些?机器学习预判有哪些算法?
    的头像 发表于 08-17 16:30 1267次阅读

    机器学习theta是什么?机器学习tpe是什么?

    机器学习theta是什么?机器学习tpe是什么? 机器学习是近年来蓬勃发展的一个领域,其相关技术
    的头像 发表于 08-17 16:30 1055次阅读

    机器学习是什么意思?机器学习属于什么分支?机器学习有什么用处?

    机器学习是什么意思?机器学习属于什么分支?机器学习是什么有什么用处?
    的头像 发表于 08-17 16:30 1171次阅读

    机器学习与数据挖掘的区别 机器学习与数据挖掘的关系

    机器学习与数据挖掘的区别 , 机器学习与数据挖掘的关系 机器学习与数据挖掘是如今热门的领域。随着
    的头像 发表于 08-17 16:30 1399次阅读

    机器学习算法入门 机器学习算法介绍 机器学习算法对比

    机器学习算法入门 机器学习算法介绍 机器学习算法对比 机器
    的头像 发表于 08-17 16:27 576次阅读

    机器学习算法总结 机器学习算法是什么 机器学习算法优缺点

    机器学习算法总结 机器学习算法是什么?机器学习算法优缺点?
    的头像 发表于 08-17 16:11 961次阅读

    机器学习算法汇总 机器学习算法分类 机器学习算法模型

    机器学习算法汇总 机器学习算法分类 机器学习算法模型 机器
    的头像 发表于 08-17 16:11 648次阅读

    机器学习和深度学习的区别

    机器学习和深度学习的区别 随着人工智能技术的不断发展,机器学习和深度学习已经成为大家熟知的两个术
    的头像 发表于 08-17 16:11 2904次阅读

    机器学习可以分为哪几类?机器学习技术有哪些?

    机器学习可以分为哪几类?机器学习技术有哪些 机器学习(Machine Learning,ML)是
    的头像 发表于 08-17 16:11 4158次阅读

    联合学习在传统机器学习方法中的应用

    联合学习在传统机器学习方法中的应用
    的头像 发表于 07-05 16:30 497次阅读
    联合<b class='flag-5'>学习</b>在传统<b class='flag-5'>机器</b><b class='flag-5'>学习</b>方法中的应用

    高效理解机器学习

    来源:DeepNoMind对于初学者来说,机器学习相当复杂,可能很容易迷失在细节的海洋里。本文通过将机器学习算法分为三个类别,梳理出一条相对清晰的路线,帮助初学者理解
    的头像 发表于 05-08 10:24 325次阅读
    高效理解<b class='flag-5'>机器</b><b class='flag-5'>学习</b>