智能硬件的興起可謂帶動了一大波消費類電子的發(fā)展浪潮,人們對于芯片的認(rèn)知也不局限在PC、手機(jī),高集成越低功耗且體積小的芯片被應(yīng)用到了智能硬件上。而微控制器作為芯片的重要組成部分,也在電子浪潮中迎來創(chuàng)新性更新與發(fā)展。
意法半導(dǎo)體公司是一家橫跨多重電子應(yīng)用領(lǐng)域的半導(dǎo)體提供商,公司整體產(chǎn)品戰(zhàn)略上專注于傳感器與功率芯片,以及嵌入式處理器解決方案,憑借其超低功耗微控制器技術(shù)與在ARM Cortex-M4內(nèi)核領(lǐng)域積累的多年豐富經(jīng)驗,于昨日在華推出適用于下一代節(jié)能型消費電子產(chǎn)品、工業(yè)、醫(yī)學(xué)和計量產(chǎn)品的STM32L4系列微控制器。
STM32系列是意法半導(dǎo)體旗下微控制器的一個家族系列,此次發(fā)布的兩款新系列產(chǎn)品STM32L476和STM32L486均基于運算頻率80MHz的ARM Cortex-M4處理器內(nèi)核,內(nèi)置浮點運算單元(FPU)可支持DSP指令,并在以下四個方面集成了意法半導(dǎo)體的優(yōu)勢:
高性能,超低功耗:歸功于靈活的功耗模式,ST ART Accelerator加速技術(shù),配合內(nèi)置FPU的ARM Cortex-M4內(nèi)核,在80MHz頻率時實現(xiàn)100DMIPS
技術(shù)創(chuàng)新:系統(tǒng)架構(gòu)實現(xiàn)多項創(chuàng)新,引入智能外設(shè)
高集成度:在大小僅為3.8x4.4mm的微型封裝內(nèi),集成1MB閃存和128KB SRAM
最佳投資:這款新的STM32微控制器繼承了STM32家族的引腳全系統(tǒng)兼容性,支持STM32開發(fā)生態(tài)系統(tǒng)
其中,意法半導(dǎo)體的自適應(yīng)實時加速器(ART)是新系列微控制器的另一個附加優(yōu)勢,使微控制器能夠在無等待狀態(tài)下執(zhí)行閃存內(nèi)的代碼,處理性能高達(dá)100 DMIPS,而功耗僅為100µA/MHz。高達(dá)1MB的雙區(qū)(dual-bank)閃存可支持復(fù)雜應(yīng)用和讀寫同步功能,并提供一個128KB的靜態(tài)隨機(jī)存取存儲器(SRAM)。
STM32L4微控制器充分利用意法半導(dǎo)體豐富的低功耗技術(shù),包括根據(jù)不同處理需求調(diào)整功耗的動態(tài)電壓調(diào)整、內(nèi)置FlexPowerControl的智能架構(gòu)和有7個子模式選項的電源管理模式,其中包括停機(jī)、待機(jī)和最低功耗30nA的關(guān)機(jī)模式。意法半導(dǎo)體的批量采集模式(BAM)能使處理器在低功耗模式下仍可與通信外設(shè)高效交換數(shù)據(jù)。
在嵌入式微處理器基準(zhǔn)評測協(xié)會(EEMBC)發(fā)布的標(biāo)準(zhǔn)化ULPBench超低功耗微控制器能效對比評測中,STM32L4系列微控制器獲得123分的業(yè)內(nèi)最高成績,這就意味著現(xiàn)在的設(shè)計人員無需以犧牲功耗為代價,便可以得到更高的性能和更大的存儲容量。
低總體功耗,Cortex-M4的高性能表現(xiàn)和DSP功能,智能模擬功能,以及豐富的數(shù)字接口功能,這些特性使STM32L4系列非常適用于智能聯(lián)網(wǎng)(smart connected)和物聯(lián)網(wǎng)(IoT)產(chǎn)品應(yīng)用,以及各種工業(yè)、醫(yī)療和消費性電子產(chǎn)品。
STM32L4現(xiàn)已接受大客戶訂購樣品,預(yù)計于2015年第二季度量產(chǎn)。STM32L476采用LQFP64封裝。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。