Cамый маленький компьютер в мире, энергоэффективный чип и другие новинки для сферы IoT

Cамый маленький компьютер в мире от IBM

На конференции IBM Think 2018, проходившей в марте, компания представила самый маленький компьютер в мире. Его размеры составляют 1х1 мм, что даже меньше, чем крупица соли. Компьютер имеет процессор с несколькими сотнями тысяч транзисторов, СОЗУ, систему электропитания от солнечных батарей и модуль связи со светодиодами и фотодетектором. По мощности микрокомпьютер будет равен процессору с архитектурой х86 90-х годов.
IBM рассказали, что новый микрочип найдет применение в блокчейн-технологиях: он будет служить источником данных для блокчейн-приложений. Например, логистическим компаниям такое решение поможет обнаруживать действия мошенников в цепочках поставок. При этом появляется возможность отслеживать происхождение товаров. Низкая стоимость производства чипа (около 10 центов) позволит массово встраивать чипы, например, в электронное оборудование, чтобы покупатели могли проследить, откуда пришел товар, и убедиться в его качестве. В IBM называют свой чип «крипто-якорем» (crypto-anchor), защищающим данные от кражи и изменения. Кроме того, микрочип сможет выполнять простые задачи для систем ИИ, например, классифицировать предоставленные данные.
Даты релиза пока не названы, однако известно, что разработчики уже тестируют первый прототип. ZDNet утверждают, что микрочип появится на рынке через полтора года. В TechCruch прогнозируют появление новинки в течение 5 лет.

Генератор истинно случайных чисел от SK Telecom

Ученые из южнокорейской компании SK Telecom разработали микрокомпьютер, способный генерировать истинно случайные числа. Подобные генераторы уже создавались ранее и даже используются в работе криптографических систем. Однако корейская компания стала первой, кто воплотил эту идею в чипе размером 3х5х1 мм (ДхШхВ). Крошечный генератор случайных чисел будет использоваться в IoT-устройствах, чтобы гарантировать защиту зашифрованных данных во время их передачи на другие девайсы.
Устройство использует явление квантового дробового шума (quantum shot noise). Светодиоды чипа излучают фотоны, которые «отскакивают» от внутренних стенок устройства. Их улавливает встроенная КМОП-матрица, а генерируемые ей импульсы уже передаются алгоритму извлечения случайных чисел (randomness-extraction algorithm). SK Telecom и Nokia впервые продемонстрировали эту технологию в действии в прошлом году. Во время эксперимента сервер SK Telecom генерировал ключи шифрования и передавал их волоконно-оптическому свитчу Nokia 1830. Точная стоимость устройства не называется, однако Шон Квак (Sean Kwak), глава лаборатории квантовых технологии SK Telecom, говорит, что она составит «несколько долларов».

Энергоэффективный чип для IoT-криптосистем от MIT

В Массачусетском технологическом институте (MIT) разработали энергоэффективный микрочип, который потребляет в 400 раз меньше энергии, чем программные реализации шифрования с открытым ключом. При этом устройство работает в 500 раз быстрее. Как и большинство криптосистем с открытым ключом, чип использует методы эллиптической криптографии. При этом он способен работать с любыми эллиптическими кривыми, а его блоки, «ответственные» за модульную арифметику, могут обрабатывать числа длиной до 256 бит (классические системы работают с 16- или 32-битными значениями). Протокол датаграмм безопасности транспортного уровня — Datagram Transport Layer Security (DTLS), который отвечает за обработку зашифрованных данных, «зашит» в чип, что снижает количество памяти, необходимое для его работы. О тестировании и конкретных планах по использованию устройства в MIT пока не сообщают.

Глубокое обучение в IoT: совместный проект NVIDIA и Arm

В рамках сотрудничества, объявленного президентом NVIDIA Дженсеном Хуангом (Jensen Huang), две компании решили интегрировать открытую архитектуру NVIDIA Deep Learning Accelerator (NVDLA) в платформу Arm Project Trillium для машинного обучения. Совместный проект призван облегчить и ускорить внедрение deep learning систем в мобильные и IoT-устройства. NVDLA — это ускоритель для систем глубокого обучения, имеющий открытую архитектуру и строящийся на базе процессора NVIDIA Xavier. В основе NVDLA лежат мощные инструменты NVIDIA для разработчиков (это драйверы, библиотеки, SDK), среди которых вскоре появятся новые версии программируемого ускорителя глубокого обучения TensorRT. Что касается процессора Arm, то он специально «заточен» для работы с системами машинного обучения. Он выполняет более 4,5 трлн операций в секунду (на мобильных платформах), и это число может увеличиться в 2–4 раза при его «разгоне». Компании надеются, что вместе эти решения помогут производителям чипов и разработчикам упростить интеграцию систем ИИ в процессоры для IoT-устройств и снабдить рынок доступными продуктами, поддерживающими машинное обучение.