Qeexo AutoML自動化機器學習（ML）平臺的開發(fā)者Qeexo公司和服務多重電子應用領域的全球半導體領導者意法半導體（STMicroelectronics，簡稱ST；紐約證券交易所代碼：STM）宣布，意法半導體的機器學習核心（MLC）傳感器已加入能夠加快邊緣設備tinyML微型機器學習模型開發(fā)的Qeexo AutoML平臺。

　　意法半導體的MLC傳感器本身就能大幅降低系統(tǒng)總體功耗，因為利用大量傳感器數(shù)據(jù)開發(fā)的感知相關算法是運行在傳感器上。Qeexo AutoML利用傳感器數(shù)據(jù)為邊緣設備自動生成高度優(yōu)化的超低延時、超低功耗且內(nèi)存占用率很小的機器學習解決方案。這些算法解決方案采用延長電池壽命的高效機器學習模型，克服了計算能力和存儲容量因芯片尺寸而受到的限制。

　　Qeexo首席執(zhí)行官Sang Won Lee表示：“Qeexo實現(xiàn)了最近我們與ST合作時所作的承諾，即在Qeexo AutoML上增加對ST機器學習核心傳感器系列產(chǎn)品的支持?，F(xiàn)在，我們與ST的合作讓應用開發(fā)人員能夠在ST的MLC傳感器上快速創(chuàng)建和部署機器學習算法，而無需占用MCU時鐘周期和系統(tǒng)資源，應用前景非常廣闊，涵蓋工業(yè)和物聯(lián)網(wǎng)?！?/p>

　　意法半導體MEMS傳感器部門總監(jiān)Simone Ferri表示：“在Qeexo AutoML平臺上增加ST的機器學習核心傳感器，可以方便開發(fā)人員在低功耗應用中更快捷地導入嵌入式機器學習。我們在傳感器（包括LSM6DSOX或ISM330DHCX）中引入MLC內(nèi)核，可顯著減少系統(tǒng)數(shù)據(jù)流量，減輕網(wǎng)絡處理負擔，將系統(tǒng)功耗降低幾個量級，同時提供更強的事件檢測、喚醒邏輯和實時邊緣計算功能。”