Hypnos divide el aprendizaje continuo entre un microcontrolador RISC-V y un cargador inteligente: el dispositivo actualiza prototipos sin retropropagación y conserva representaciones comprimidas; el cargador usa esos datos para consolidar el modelo mediante replay, es decir, volviendo a procesar ejemplos guardados. El diseño y sus resultados se describen en un artículo de investigación.
La latencia del dispositivo mide solo una parte del proceso: la consolidación ocurre después, en el cargador.
Cómo se reparte el aprendizaje entre el dispositivo y el cargador
Durante la fase de uso, el dispositivo extrae características de las entradas y actualiza un clasificador de prototipos. También comprime representaciones latentes para conservarlas. No ejecuta retropropagación del error, el método que ajusta una red calculando cómo cambiar sus parámetros a partir de los errores.
La consolidación se traslada al cargador, que dispone de alimentación de red y más memoria. Allí se recuperan las representaciones comprimidas y se realizan actualizaciones del modelo mediante replay; después, los parámetros consolidados vuelven al dispositivo. La arquitectura descrita no requiere un servidor de entrenamiento en la nube.
Para situar el papel de los núcleos RISC-V y los aceleradores de IA, puedes consultar esta explicación sobre cómo se combinan. En Hypnos, esa división permite que el microcontrolador realice ajustes ligeros y reserve el trabajo de consolidación para el cargador.
El modelo y el hardware de la evaluación
La implementación descrita utiliza una MobileNetV3-Large congelada como extractor de características, junto con un clasificador de prototipos en línea y un codificador de cuantización de productos. La evaluación del artículo se ejecutó en una FPGA ZCU104; el diseño también se sintetizó con un proceso de 28 nm.
La síntesis estima el comportamiento de un diseño de hardware bajo unas condiciones de fabricación definidas. No es una medición de consumo en un dispositivo funcionando en el campo. El equipo comunicó un consumo de 33,3 mW para funcionamiento continuo en sus resultados de síntesis, y un búfer de replay de 5,48 MB en el cargador.
Qué miden los resultados de Hypnos
En el protocolo CORe50 NICv2-391, el resumen del artículo informa una precisión del 78,6 % al 81,6 % y una latencia en el dispositivo de 7,79 a 10,54 segundos por muestra, según la precisión de activación. La precisión de activación determina cuántos bits representan los valores intermedios de la red; cambiarla afecta tanto al cálculo como a la representación de esos datos. El resumen presenta los intervalos en función de esa precisión.
Para la configuración con activaciones INT8, el resultado comunicado es una precisión del 78,6 % y una latencia de 7,79 segundos por muestra en el dispositivo. Ese tiempo corresponde a la fase del dispositivo: la consolidación posterior en el cargador va aparte.
Frente al replay latente cuantizado, el equipo investigador informa de 3,8 veces menos pasos de aprendizaje y 22 veces menos cómputo de aprendizaje, además de mayor precisión y una latencia comparable. La comparación describe los resultados de la evaluación de Hypnos en ese protocolo; no convierte esas cifras en una medida universal para otros conjuntos de datos o configuraciones.