Leistungsstarkes SoM für hohe Datendurchsätze und KI

Leistungsstarkes SoM für hohe Datendurchsätze und KI

Bild: Dream Chip Technologies GmbH

Mit Abmessungen von 29x 29mm ist das Arria 10 SoM kleiner als eine Scheckkarte.

Seine Rechenleistung bezieht das Board aus einem Intel-Chip vom Typ Arria 10 SX, der die Funktionalität eines SoC und eines FPGA in einem Gehäuse kombiniert. Darin sorgen ein Dual-Core Prozessor vom Typ Arm Cortex A9 sowie ein FPGA mit bis zu 480.000 Logikeinheiten für äußerst flüssiges Arbeiten. Die SoM-Platine (System on Module) wird über zwei Mezzanine-Steckerleisten auf das kundenspezifische Baseboard aufgesteckt. Der User muss sich weder um die Speicherkonfiguration noch um die Anschlüsse für die Kommunikationsleitungen (I/Os) oder die Einzelheiten der Stromversorgung kümmern. Stattdessen kann er sein anwendungsspezifisches Baseboard entwickeln und dabei die Rechen- und Connectivity-Möglichkeiten des SoM in vollem Umfang nutzen. Sein spezielles Talent zur Verarbeitung von Bild- und Videodaten bezieht das SoM aus seiner internen Architektur: Zwei separate DDR4-Speicherschnittstellen ermöglichen es dem ARM Cortex-A9-Subsystem, parallel zum FPGA-Subsystem speicherintensive Anwendungen wie Frame Buffering oder Object Detection durchzuführen, ohne in Probleme mit der Bandbreite oder in Zugriffskonflikte zu geraten. Diese Vorteile zeigen sich besonders in Anwendungen mit hoher Bildrate sowie in 3D- und 4K-Anwendungen. 32-LVDS-Leitungen mit hoher Bandbreite dienen als Ein- und Ausgang für kundenspezifische Anschlusskonfigurationen von Bildsensoren, Displays, AD- oder DA-Wandlern. Das System ist ideal für den Einsatz bei künstlicher Intelligenz geeignet. Für die Verarbeitung Neuronaler Netze, etwa mit den verbreiteten Tensor-Flow-Libraries, ist das System eine perfekte Plattform. Das SoM verfügt über zahlreiche Kommunikationsschnittstellen, unter anderem für 10GigE, Glasfaser, 12G SDI und USB 2.0. Damit Entwickler schnell zu professionellen Ergebnissen kommen, stellt Dream Chip eine spezielle Portierung von Intels Arria 10 Golden System Reference Design zur Verfügung – einschließlich Bootloader und der Linux-Distribution Yocto. Weitere Softwarewerkzeuge sind erhältlich. Auch die Herstellung individueller Varianten nach Kundenwunsch ist möglich.

Thematik: Allgemein
Dream Chip Technologies GmbH
www.dreamchip.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige