Qeexo開發公司和意法半導體(ST)宣布，意法半導體的機器學習核心(Machine-Learning Core，MLC)感測器已加入能夠加速邊緣裝置tinyML微型機器學習模型開發的Qeexo AutoML平台。
意法半導體的MLC感測器本身就能大幅降低系統整體功耗，因為利用大量感測器資料開發的感知相關演算法運作在感測器上。Qeexo AutoML利用感測器資料為邊緣裝置自動產生高度優化的超低延時、超低功耗且記憶體佔用率極低的機器學習解決方案。這些演算法解決方案採用延長電池壽命的高效機器學習模型，克服了運算能力和存儲容量因晶片尺寸而受到的限制。
Qeexo執行長Sang Won Lee表示，Qeexo實現了最近我們與ST合作時所作出的承諾，即在Qeexo AutoML上增加對ST機器學習核心感測器系列產品的支援。現在，我們與ST的合作讓應用開發人員能夠在ST的MLC感測器上快速建立和部署機器學習演算法，而無需占用MCU時脈週期和系統資源，應用範圍十分廣泛，涵蓋工業和物聯網。
意法半導體MEMS感測器部門總監Simone Ferri則表示，在Qeexo AutoML平台上增加ST的機器學習核心感測器，便於開發人員在低功耗應用中更快速地導入嵌入式機器學習。我們在感測器(包括LSM6DSOX或ISM330DHCX)中導入MLC內核心，可顯著減少系統資料流量，減輕網路處理負擔，將系統功耗降低幾個量級，同時提供更強大的事件偵測、喚醒邏輯和即時邊緣運算功能。
