虽然统称为AI（Artificial Intelligence），但其作用和性能根据AI技术本身以及配备的的微控制器等产品的不同存在很大差异。本页面将详细介绍ROHM的Solist-AI?是如何实现的，以及它能为客户提供哪些价值。
技术详情
ROHM提供的Solist-AI?解决方案由配备ROHM自有设备端学习AI的Solist-AI?微控制器，以及实用软件和评估板等丰富的支持工具构成。
1.边缘计算AI微控制器（Solist-AI?微控制器）
Solist-AI?微控制器配备了ROHM自有的由简单的三层神经网络算法组成的硬件AI加速器“AxlCORE-ODL”。ROHM通过Arm? Cortex?处理器、ROM容量及引脚数量不断扩展产品阵容，为广泛的应用场景提供端侧AI解决方案。 有关AI微控制器的更多信息，请参阅以下产品信息页面。
2. Solist-AI?的AI算法和“AxlCORE-ODL”
Solist-AI?的AI算法是一种基于三层神经网络的极限学习机（Extreme learning machine, ELM），其特点是采用适合硬件实现的运算架构，并能抑制AI处理时的内存消耗。
AxlCORE-ODL是为了高速且低功耗地执行AI算法而设计的硬件加速器。它不仅能提升AI运算速度，还可以批量执行整个AI处理，从而大幅减轻AI处理时MCU端的负载。通过重新配置批处理，还能提高FFT的速度等。
3.用于确认AI工作情况的仿真工具“Solist-AI? Sim”
Solist-AI? Sim是一款可在PC端验证Solist-AI?功能的仿真工具。由于可以轻松确认AI训练和推理结果，因此可以在短时间内验证AI的应用效果。单次仿真仅需数秒，因此可在短时间内研究多种条件下的应用效果。
目前，ROHM已公开发布用于异常检测（无监督训练）和用于预测或参数推测（监督训练）的仿真工具。
4.用于确认实机工作情况的实用工具“Solist-AI? Scope”
Solist-AI? Scope是能够将Solist-AI?微控制器内部处理的数据以波形形式进行显示的工具。由于可以实时查看输入到AI的传感器数据和从AI输出的异常程度指标，因此可以轻松验证AI是否按预期工作。
※Solist-AI? Scope已附带在参考软件中。
5.嵌入式软件开发
参考软件（外设驱动、程序库和示例软件）
Solist-AI?微控制器用的各类外设驱动、AI程序库及各类示例程序?，可通过集成开发环境“LEXIDE-Ω”和参考评估板检查工作情况。
为监控Solist-AI?工作而设计的实时查看器—Solist-AI? Scope也一并提供。使用时需要连接适配器（MM-FT232HC*1），需要客户自行准备。?
AI应用示例软件
这里介绍的是使用了Solist-AI?微控制器的异常检测AI应用示例软件。根据从加速度传感器获取的加速度数据进行初始训练和推理，并计算异常程度。 该示例软件的工作除了集成开发环境“LEXIDE-Ω”和参考评估板以外，还需要加速度传感器和PC连接适配器（MM-FT232HC*1），需要客户自行准备。
*1 MM-FT232HC为Sunhayato Corp.公司生产的产品。
*2 FT232H/FT2232HはFTDI社の製品です。
6.ARM?内核集成开发环境
LAPIS Development Tools LEXIDE-Ω是针对配有ROHM自有的8位RISC处理器“nX-U8/100内核”和16位RISC处理器“nX-U16/100内核”的微控制器以及配有Arm? Cortex?-M内核的ROHM微控制器的应用程序开发环境。 通过以开源Eclipse及CDT插件为基础的集成开发环境，为高效的程序开发提供支持。 如需使用Keil? MDK，请另行联系我们。
7.配备微控制器的参考评估板（由ROHM提供）
能够确认Solist-AI?微控制器工作情况的参考评估板。可进行软件开发、调试及Flash烧录。另外，还可以连接Soloist-AI? Scope查看AI的工作情况。
8.配备微控制器的参考评估板（由生态系统合作伙伴提供）
由生态系统合作伙伴提供的配备AI微控制器的系统评估板。?详情请参阅生态系统合作伙伴相关页面。
引入流程和应用案例
??Solist-AI?通过自主研发的设备端学习AI技术和丰富的支持工具，从研究、验证到应用为客户提供全流程支持。下面介绍Solist-AI?的引入流程和应用案例。
Solist-AI?应用案例1?预测性维护?
电机轴承的损伤检测：用于生产设备或机器的预测性维护，实现状态基准监控（CBM）
Solist-AI?微控制器的各类外设驱动、AI程序库及相关组件
背景和挑战
- 希望对生产设施或机器等的异常或故障进行预测性维护
- 缺乏定期检查人才（有专业知识的工程师）
Solist-AI?的应用
- 在设备引入初期，使用加速度传感器等采集恒速运行的振动状态作为正常数据进行现场训练
- ??将常规运行时的振动状态与训练数据进行持续比对，当出现一定量偏离时即发出异常征兆警报（＝“不同于以往”）
预期效果
- 通过AI及早发现“不同于以往”并调查原因
?减少计划外的设备维修或更换以及短暂或长期停机 - 将人工TBM转为AI系统构建的CBM
?降低整体维护成本
※以上是预测性维护的一个示例。不仅适用于电机系统，还可广泛应用于各类系统。
Solist-AI?应用案例2?状态/劣化/参数预测?
电池的劣化预测和状态变化检测：用于预测产品劣化指标的未来趋势，以及推测常规无法测量的参数
背景和挑战
- ??客户的配备电池设备的使用方式各异
- 无法掌握电池满充容量的劣化等情况，导致使用方式受到限制
Solist-AI?的应用
- 预先训练标准劣化特性（SOH）后出厂。对实际使用中的SOH进行增量训练，以高精度地预测电池劣化
- 预先训练电池各单元的标准充放电特性后出厂。在实际使用过程中进行增量训练，并检测出考量了每个单元个体差异后的状态变化
预期效果
- 训练客户的使用方式和使用环境
?预测未来的恶化趋势，延长使用寿命 - 在考量每个单元个体差异的基础上进行训练
?尽早发现充电容量异常、平衡异常以及状态变化
※以上是状态和劣化预测的一个示例。不仅适用于电池系统，还可广泛应用于各类系统。
Solist-AI?应用案例集
我们已将电机异常检测、电池劣化案例以及工业设备、电子产品和生产设备等多种场景的引入实例整理成详细资料，希望对用户在考虑引入Solist-AI?时会有所帮助。
与生态系统合作伙伴的合作体系
Solist-AI? 是与多家生态系统合作伙伴联合提供的。从硬件和软件开发到基础环境的开发与提供，我们将提供全方位支持，助力客户能够快速使用和引入产品。? 另外，为了通过Solist-AI?推动AI创新和扩展，ROHM正持续招募生态系统合作伙伴。诚邀有意向者随时与我们联系。?
联系我们?征集生态系统合作伙伴
我们欢迎那些赞同Solist-AI?生态系统，并希望共同推动技术创新的企业加入我们。让我们携手引领行业，创造新的价值。您愿意与我们一起实现下一代的技术创新吗？
注）“Solist-AI?”是ROHM Co.，Ltd.的商标或注册商标。
「ARM? 」「Cortex? 」「Keil? 」是 Arm Limited 或其子公司所拥有的商标或注册商标。