BrainChip y la empresa croata de tecnología profunda Neuromorphyx desarrollaron la BrainBoard1500, una placa de desarrollo compacta construida en torno al acelerador de redes neuronales AKD1500 de BrainChip. La plataforma acerca la inteligencia artificial neuromórfica a los sistemas embebidos compatibles con Arduino, con herramientas integradas para evaluar el rendimiento de inferencia y el consumo eléctrico.
Para quien diseña equipos embebidos, la placa ofrece una vía práctica para evaluar redes neuronales de picos bajo las restricciones reales de potencia, latencia y tamaño. Su compatibilidad con el formato Arduino Nicla abre además el AKD1500 a desarrolladores que ya trabajan con ecosistemas establecidos de microcontroladores y sensores.
¿Qué permite medir la BrainBoard1500?
Diseñada y fabricada por Neuromorphyx, la BrainBoard1500 adopta el factor de forma Arduino Nicla y entrega compatibilidad directa de conectores, respaldada por una biblioteca y controladores Arduino Nicla de código abierto.
Una interfaz directa SPI/QSPI permite ejecutar modelos de redes neuronales de picos sobre datos de sensores, con control del sistema por I2C y memoria flash de modelos en la propia placa. La tarjeta integra además un monitor de corriente de dos canales para perfilar en tiempo real el consumo de las cargas de inferencia del AKD1500 y evaluar las configuraciones de reposo y despertar.
Eso le da a los desarrolladores una alternativa al hardware de evaluación más grande y centrado en un anfitrión, basado en formatos M.2 o PCIe. El objetivo es evaluar el acelerador en condiciones más cercanas a las de un dispositivo de borde compacto, donde el consumo, la latencia y el espacio en placa son las restricciones que mandan.
"Asociarnos con Neuromorphyx pone el AKD1500 en manos de desarrolladores y aficionados, en un factor de forma y un ecosistema de software que ya conocen", señaló el director ejecutivo de BrainChip, Sean Hehir. "BrainBoard1500 es exactamente el tipo de producto liderado por un socio que extiende el alcance de Akida hacia las comunidades de desarrollo y abre la puerta a una adopción más amplia en educación, industria e inteligencia artificial embebida".
Más allá del ecosistema Arduino
La arquitectura estándar SPI y QSPI de la placa entrega una ruta de código abierto para adaptar la plataforma a otros ecosistemas de microcontroladores y sensores. Entre ellos figuran Raspberry Pi, Seeed Studio con su línea XIAO, OpenMV, Espressif, DFRobot, Adafruit, SparkFun y STMicroelectronics, además de anfitriones a medida basados en microcontroladores o FPGA.
"Neuromorphyx desarrolla productos completos de visión neuromórfica para aplicaciones exigentes de robótica, espacio, defensa, automoción e industria", explicó Ivan Projić, director ejecutivo de la firma. "BrainBoard1500 extiende ese trabajo al hacer más fácil combinar el AKD1500 con placas y software Arduino Nicla existentes, donde los clientes pueden ejecutar, medir y refinar modelos de redes de picos sobre el dispositivo AKD1500 de BrainChip, que también está integrado en nuestra pila completa NeuroReflex para sensado basado en eventos, preprocesamiento en FPGA e inferencia neuromórfica".
Neuromorphyx desarrolló la arquitectura de hardware, la electrónica, el diseño para fabricación de la placa impresa y la ruta de software Arduino, mientras BrainChip aporta los dispositivos AKD1500 y los paquetes de habilitación técnica. BrainChip planea además repositorios de modelos para aplicaciones como detección de palabras clave, palabras visuales de activación y reconocimiento de actividad humana.
¿Por qué importa el enfoque de picos?
La diferencia práctica entre una red neuronal convencional y una de picos está en cuándo se gasta energía. En la primera, cada inferencia recorre la red completa; en la segunda, las neuronas solo se activan cuando hay un evento que procesar. En aplicaciones de sensado continuo, donde el dispositivo pasa la mayor parte del tiempo esperando que algo ocurra, esa diferencia se traduce directamente en autonomía de batería.
Ahí se explica la decisión de diseño más útil de esta placa: el monitor de corriente de dos canales. Sin él, comparar un acelerador neuromórfico contra un microcontrolador corriente exige instrumentación externa de laboratorio. Con él, la medición de consumo por inferencia queda al alcance de cualquiera que tenga la placa sobre el escritorio, que es precisamente el punto de una tarjeta de evaluación.
La compatibilidad con Arduino Nicla también reduce la barrera de entrada para universidades y laboratorios de la región, donde el formato Arduino ya está instalado en la enseñanza de sistemas embebidos y no requiere aprender un ecosistema nuevo desde cero.
La BrainBoard1500 estará disponible inicialmente a través de Neuromorphyx, con su software Arduino de código abierto, la hoja de datos y la documentación de apoyo. Ambas empresas planean extender la disponibilidad mediante canales adicionales de distribución, educación y ecosistema.
