Silicon Labs lanserar nu företagets BG24- och MG24-familjer med 2,4 GHz trådlösa SoCs för Bluetooth LE, Zigbee, OpenThread och multipelprotokoll, och en ny mjukvaruverktygssats för att bygga tillämpningar inom smarta hem samt medicinska och industriella applikationer.
Denna nya samoptimerade hård- och mjukvaruplattformen kommer enligt företaget att bidra till att konstruera AI/ML-applikationer med trådlösa högprestanda, batteridrivna edge-enheter. BG24- och MG24-familjerna med låg effektförbrukning stöder flera trådlösa protokoll och innehåller PSA Level 3 Secure Vault-skydd, som är idealiskt för olika smarta hem, medicinska och industriella applikationer. Den SoC- och mjukvarulösningen för Internet of Things (IoT) som företaget lanserar nu inkluderar:
– Två nya familjer av 2,4 GHz trådlösa SoC:er, som har branschens första integrerade AI/ML-acceleratorer, stöd för Matter (företagets övergripande protokoll för IoT-gränssnitt): Zigbee, OpenThread, Bluetooth Low Energy, Bluetooth-mesh samt proprietär och multiprotokolldrift, den högsta nivån av industrisäkerhetscertifiering, ultralåg strömkapacitet och vad som uppges vara den största minnes- och flashkapaciteten i Silicon Labs-portfölj.
– En ny mjukvaruverktygssats utformad för att göra det möjligt för utvecklare att snabbt bygga och distribuera AI- och maskininlärningsalgoritmer med några av de mest populära verktygssviterna som TensorFlow.
– De trådlösa BG24 och MG24 SoCs representerar en fantastisk kombination av branschmöjligheter inklusive brett trådlöst multiprotokollstöd, batteritid, maskininlärning och säkerhet för IoT Edge-applikationer, säger Matt Johnson, vd för Silicon Labs.
Silicon Labs BG24 och MG24 är enligt företaget de första enheterna med ultralåg effektförbrukning med inbyggda, dedikerade AI/ML-acceleratorer. Den här specialiserade hårdvaran är designad för att hantera komplexa beräkningar snabbt och effektivt, med interna tester som visar upp till 4x förbättring av prestanda tillsammans med upp till 6x förbättring av energieffektiviteten. Eftersom ML-beräkningarna sker på den lokala enheten snarare än i molnet, elimineras nätverkslatens vilket då leder till snabbare ”beslutsfattande” och snabbare åtgärder.
BG24- och MG24-familjerna har också den största Flash- och RAM-kapaciteten i Silicon Labs portfölj. Detta innebär att enheter kan utvecklas för stöd för flera protokoll, Matter och tränade ML-algoritmer för stora datamängder. PSA Level 3-Certified Secure Vault, den högsta nivån av säkerhetscertifiering för IoT-enheter, ger enligt Silicon Labs den säkerhet som behövs i produkter som för dörrlås, medicinsk utrustning och andra känsliga installationer där det är av yttersta vikt att ”härda” enheten från externa hot.
Förutom att stödja TensorFlow, har Silicon Labs samarbetat med några av de ledande leverantörerna av AI- och ML-verktyg: SensiML och Edge Impulse för en verktygskedja som förenklar utvecklingen av maskininlärningsmodeller optimerade för inbyggda distributioner av trådlösa applikationer. Genom att använda den nya AI/ML-verktygskedjan med Silicon Labs Simplicity Studio och BG24- och MG24-familjerna SoCs, kan enligt företaget utvecklare skapa applikationer som hämtar information från olika anslutna enheter, alla som kan kommunicera med varandra med hjälp av företagets Matter för att sedan fatta intelligenta maskininlärningsdrivna beslut.
Silicon Labs ger följande exempel: I en kommersiell kontorsbyggnad styrs många lampor av rörelsedetektorer som övervakar närvaro för att avgöra om lamporna ska vara på eller av. Men när man skriver vid ett skrivbord med rörelser begränsade till händer och fingrar, kan medarbetare lämnas i mörker när rörelsesensorer ensamma inte kan detektera deras närvaro. Genom att ansluta ljudsensorer med rörelsedetektorer genom applikationslagret Matter, kan extra ljuddata, såsom ljudet från att skriva, köras genom en maskininlärningsalgoritm för att tillåta belysningssystemet att fatta ett mer informerat beslut om huruvida belysningen ska vara tänd eller släckt.
ML-beräkningar möjliggör enligt Silicon Labs även utvecklingen av andra intelligenta industri- och hemapplikationer, inklusive sensordatabearbetning för avvikelsedetektering, prediktivt underhåll, ljudmönsterigenkänning för förbättrad glaskrossdetektering, enkelkommando för ordigenkänning och visionsanvändningsfall som närvarodetektering eller att räkna människor med kameror med låg upplösning.
Silicon Labs BG24 och MG24 SoCs kombinerar en 78 MHz ARM Cortex-M33-processor, 2,4 GHz radio, 20-bitars ADC, en optimerad kombination av Flash (upp till 1536 kB) och RAM (upp till 256 kB), och en AI/ML-hårdvaruaccelerator för att bearbeta maskininlärningsalgoritmer samtidigt som ARM Cortex-M33 avlastas, så att applikationer får fler klockcykler att utföra annat arbete. Dessa SoCs stöder enligt företaget ett brett utbud av 2,4 GHz trådlösa IoT-protokoll och har den högsta säkerheten med bästa förhållandet mellan RF-prestanda och energieffektivitet på marknaden.
Tillgänglighet
EFR32BG24 och EFR32MG24 SoCs kommer i en 5 mm x 5 mm QFN40 och i en 6 mm x 6 mm QFN48-kapsel skickas idag till företagets ”Alpha-kunder” och kommer att vara tillgängliga för massdistribution i april 2022. Flera utvärderingskort finns enligt Silicon Labs tillgängliga för designers som utvecklar applikationer. Moduler baserade på BG24 och MG24 SoCs kommer att finnas tillgängliga under andra halvan av 2022.
