雖然這篇array公司鄉民發文沒有被收入到精華區:在array公司這個話題中,我們另外找到其它相關的精選爆讚文章
在 array公司產品中有28篇Facebook貼文,粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs,也在其Facebook貼文中提到, 幫 AI 開眼,美軍將開發仿神經型態攝影系統 作者 Alan Chen | 發布日期 2021 年 07 月 09 日 15:20 | 美國五角大廈近日宣佈將召集雷神、貝宜系統和諾斯洛普.格魯曼三家軍火公司,共同開發以仿神經型態技術為基礎的紅外線攝影系統,透過低功耗和低數據處理要求的特性,讓未...
同時也有1部Youtube影片,追蹤數超過11萬的網紅feverSound.com影音產品評測,也在其Youtube影片中提到,據毫不嚴格統計數字顯示(即係艾域自己個人觀感呀),Sony「9 系」LED LCD TV 每年都是電視市場極具討論價值兼受歡迎的機種。來到今年,「9 系」將會一分為二,當中今次的主角 X9500H,就挾 MIJ、Master Series 都有用的 X1 Ultimate 旗艦影像處理器及 Andr...
array公司 在 Kora Lini Fan Instagram 的精選貼文
2020-05-03 19:56:29
新加坡航空 video interview Mar 2020 題目分享 ⚠️提醒 要做線上面試的同學: 一定要找個光線充足 背景乾淨且安靜 的地方進行 妝髮和服裝也要注意喔! 謝謝同學們無私的分享💕 1. A passenger refuse to put on his seat belt. H...
-
array公司 在 feverSound.com影音產品評測 Youtube 的最讚貼文
2020-07-15 18:00:28據毫不嚴格統計數字顯示(即係艾域自己個人觀感呀),Sony「9 系」LED LCD TV 每年都是電視市場極具討論價值兼受歡迎的機種。來到今年,「9 系」將會一分為二,當中今次的主角 X9500H,就挾 MIJ、Master Series 都有用的 X1 Ultimate 旗艦影像處理器及 Android TV 9.0 於一身,論規格一定是頂班馬,但實際操控、聲畫表現又是否真的是頂級水平?
Sony X9500H 系列官方網站:https://www.sony.com.hk/zh/electronics/televisions/x95h-series
售價:HK$12,990(49 吋)HK$19,990(55 吋)HK$27,990(65 吋)
查詢:Sony(+852 28335129)
Chapters
0:00 開箱
0:48 歡迎大家
1:10 20 年 Sony LED LCD TV 全線分析
1:33 X8000H 規格特點
2:12 X8500H 規格特點
2:43 X9000H 規格特點
3:23 X9000H 獨有功能
3:50 X9500H 規格特點
4:41 Sony 2020 LED LCD TV 規格比較表(如有需要可暫停細看)
4:50 Android TV 系統操控
5:39 YouTube app 支援度
5:48 Netflix、AirPlay 2 兼容度
6:21 設定及調校選單分析
7:51 eARC 兼容度
8:16 X-Wide Angle 可視角度
8:47 Full Array LED 背光分析
9:30 Netflix 校正模式
10:30 4K 畫面評測
11:20 65X9500H 音效表現
12:38 音效自動校正功能解構及示範
13:15 結語
---
國仁個人頻道 http://bit.ly/2lyMecj
feverSound 全新 Gadgets 生活科技頻道 http://bit.ly/2kuVVrO
like 埋 feverSound FB 專頁未呀?未就請賜個 like 啦
https://www.facebook.com/feversound1/
https://www.instagram.com/feversound/
http://www.feversound.com/
入來「限制區」一齊吹下水啦(記得答問題喎)
https://www.facebook.com/groups/feversoundgroup/
免責聲明:片內產品規格包裝樣式功能,可因時間及貨品批次不同而相異,並以官方及代理最終發佈作準,feverSound.com並不承擔任何責任,不便之處敬請原諒
嘉賓專訪內容純屬所屬公司/ 個人意見,並不代表本網立場
#粵語YouTuber #HiFi #Sony
array公司 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
幫 AI 開眼,美軍將開發仿神經型態攝影系統
作者 Alan Chen | 發布日期 2021 年 07 月 09 日 15:20 |
美國五角大廈近日宣佈將召集雷神、貝宜系統和諾斯洛普.格魯曼三家軍火公司,共同開發以仿神經型態技術為基礎的紅外線攝影系統,透過低功耗和低數據處理要求的特性,讓未來的 AI 機器人系統以及傳統偵查追蹤任務,能更有效率。
現代的影像技術雖然已經非常先進,精密攝影系統可以隨時捕捉兆畫素等級的高解析影像,但卻也造成數據處理、傳送和電力消耗的負擔越來越大,軍事應用上,高解析影像追蹤系統,如果用在單純的空中目標還相對容易,但只要是背景複雜的陸上或海上目標,高解析影像產生的大量數據容易使系統超載,高耗電性也相對限制無人機出任務的時間。
因此國防高等研究計劃署(Defence Advanced Research Projects Agency,DARPA)開始進行名為「快速事件驅動仿神經攝影及電子系統」(Fast Event-based Neuromorphic Camera and Electronics,FENCE)的開發。
FENCE 系統的目標,是仿照人類大腦在處理影像時,會自動聚焦在出現變化的像素,並忽略大部分背景及其他不重要畫素,以減少腦力和體力負荷。為達成目標,DARPA 與合作企業開發出這套系統幾項核心設備,包括仿神經型態系統的紅外線(IR)攝影機、低延遲、低耗能和事件驅動的焦面陣列(Focal Plane Array,FPA),採用異步通訊(Asynchornous communication)技術的讀出整合電路(Readout Intergrated Circuit,ROIC),以及專門協助 ROIC 接收處理空間和時間訊號的處理層(Processing Layer)。
「這套系統的目標是創造出智慧型影像感應器,大量減少攝影機傳送數據量和耗電量。」FENCE 計畫負責人 Whitney Mason 博士表示,新影像感應系統只需要處理變化中、最重要的畫素即可。
系統測試時只需 1.5 瓦電力即可操作,而 DARPA 的目標是將這項新裝置安裝在未來的 AI 車輛、載具和機器人,執行偵察和追蹤任務,因此影像感應裝置將成為無人載具的眼睛。
附圖:▲ DARPA 的 FENCE 系統將大量減少處理影像時所需的數據和耗電量,讓監控任務更有效率。(Source:Then24)
▲ FENCE 系統未來可強化無人機任務時間和效率。(Source:U.S. Air Force photo by Paul Ridgeway, Public domain, via Wikimedia Commons)
資料來源:https://technews.tw/2021/07/09/darpa-developing-neuromorphic-image-system-for-lower-data-processing-requirement/
array公司 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
array公司 在 台灣光鹽生物科技學苑 Facebook 的最讚貼文
✨✨光鹽開辦國際合作線上同步遠距研討會 (Live Webinar) - Anika Staack 講師介紹✨✨
🎉台灣光鹽生技學苑國際合作組伍亮霓召集人引薦了多位歐洲的產業專家擔任講師,首先學苑很榮幸地在此宣布 我們與德國醫藥顧問公司ARC-Traicoa UG (haftungsbeschränkt) 正式合作辦理國際線上同步遠距研討會(Live Webinar) 💻
我們的主講者,Anika Staack老師👩,在EMA及歐洲各國從事臨床試驗領域已有16年餘載的經驗,且身為EU-QPPV的一員,更是醫藥品申請NDA前及上市後不可或缺的角色。希望學員有機會一同參與線上課程,感受國際交流第一手資訊的悸動!💕
Anika也很親切、熱心地提供了她的一段自我介紹及影片,希望各位能在線上同步遠距研討會(Live Webinar)中與她互動:
“Greetings! My name is Anika Staack. I have more than 16 years of experience in the field of clinical trials and post-marketing of medicinal products. In the past, I had worked as CRA, Trial Site Manager, and Drug Safety Manager for global clinical trials of various indications and patient age groups. For several years now, I have been working as an EU-Qualified Person for Pharmacovigilance (EU-QPPV), overseeing product lifecycle of medicinal products, supplementals, and medical devices. Additionally, I have expertise in a wide array of clinical trial activities, ranging from audit and inspections, Quality Assurance, Regulatory Affairs, Manufacturing, to Marketing. I am knowledgeable about several databases and European pharmaceutical laws and regulations. Moreover, I have been providing training for FORUM Institute about Audits and Inspections and Risk Management. I am thrilled to meet you all in my webinar sessions. See you then!” ✨✨