PrototypeNAS: Diseño rápido de DNN para microcontroladores

El despliegue de redes neuronales profundas en dispositivos de borde con recursos limitados, como los microcontroladores, supone un reto importante. Tradicionalmente, se requiere adaptar cada arquitectura al hardware específico, un proceso costoso. En este contexto, surgen técnicas como PrototypeNAS, un método de búsqueda de arquitectura neuronal (NAS) con cero disparos que permite seleccionar, comprimir y especializar modelos en minutos, sin necesidad de entrenar múltiples redes desde cero. Esto resulta clave para habilitar la inteligencia artificial en entornos con restricciones de memoria y capacidad de cómputo.

PrototypeNAS combina una optimización multiobjetivo con un espacio de búsqueda novedoso que integra diferentes tipos de arquitectura, así como configuraciones de pruning y cuantización. Además, emplea un conjunto de proxies de cero disparos y el subconjunto de selección por hipervolumen para extraer los modelos con el mejor equilibrio entre precisión y coste computacional. En pruebas sobre doce conjuntos de datos, este enfoque ha demostrado ser capaz de obtener redes pequeñas y eficientes, comparables a modelos grandes, viables para microcontroladores comerciales.

Este tipo de innovación encaja con las necesidades de empresas que buscan ia para empresas y aplicaciones de inteligencia artificial adaptadas a hardware real. En Q2BSTUDIO, como empresa de desarrollo de software y tecnología, ofrecemos servicios cloud aws y azure que facilitan el despliegue de modelos en entornos híbridos, así como aplicaciones a medida y software a medida que integran agentes IA y optimizan procesos. También abordamos la ciberseguridad y la inteligencia de negocio con herramientas como Power BI, y proporcionamos servicios inteligencia de negocio para transformar datos en decisiones. Todo ello, con un enfoque práctico y orientado a resultados.