STMicroelectronics lancia una challenge.

Il prossimo corso in calendario su Neapolis Innovation è una novità assoluta. Danilo Pau (Technical Director di System Research and Applications, IEEE e ST Fellow) e i colleghi Davide Denaro (Software Designer AI SW and Tools – SRA) e Luigi Zambrano (Senior Application Engineer for Automotive Processing and RF Division) parleranno di Intelligenza Artificiale ed ecosistema SPC5 applicata ai microcontrollori per il settore Automotive il prossimo 9 giugno. Come nel 2020, ci sarà una parte teorica al mattino e una parte hands-on al pomeriggio (dettagli e link all’agenda disponibili a partire dal 5 maggio 2021 su pepite.info).

Ma le novità non si limitano al workshop. ST, infatti, lancia per la prima volta una challenge: disegnare una rete neurale artificiale (ANN) e misurarne l’accuratezza integrandola nel pacchetto SW rilasciato da ST ad iscrizione effettuata.

Su quale argomento verte la sfida?

Le batterie agli ioni di litio (Li-Ion) sono batterie ricaricabili, il cui stato di carica deve essere massimizzato per una durata di esercizio estesa. Grazie alle loro capacità chimiche esse sono in grado di immagazzinare energia di densità ottimale. Per questi motivi, le batterie Li-Ion hanno guadagnato una notevole popolarità e sono ampiamente utilizzate sia nei dispositivi mobili di elaborazione (ad es. smartphone e smartwatch) sia nei sistemi automobilistici (ad esempio, veicoli ibridi ed elettrici). Un fondamentale parametro per il monitoraggio della salute della batteria è lo stato di salute (State of Health, SoH), che viene calcolato dalla massima capacità rilasciabile e da quella nominale fornita dal fabbricante di batterie. L’SoH misura la funzionalità della batteria nell’immagazzinamento e nell’erogazione dell’energia.

La Challenge

Coloro che si iscriveranno alla challenge e saranno accettati dovranno disegnare una rete neurale artificiale (ANN) e misurarne l’accuratezza integrandola nel Pacchetto SW rilasciato da ST ad iscrizione effettuata. Allo scopo saranno utilizzati dati pubblici, misurati con batterie Li-Ion forniti dalla NASA. Gli stessi sono stati pre-elaborati ed integrati nel pacchetto SW il quale è anche pronto all’integrazione di una rete neurale nel notebook Jupyter fornito nel pacchetto.

Peraltro, un esempio molto semplice è già integrato per facilitare il lavoro.

Mediante la valutazione, integrata nel notebook, delle prestazioni dei modelli in termini di RMSE (root mean square error) e MAE (mean absolute error), i candidati dovranno fornire al comitato di valutazione ST reti neurali pre-addestrate mettendo in evidenza le prestazioni raggiunte.

In base ai risultati più accurati prodotti dai lavori inviati e valutati da ST, ad alcuni candidati sarà richiesto ulteriormente di programmare la board automotive SPC584B-DIS (che sarà loro inviata  da ST) usando il tool SPC5-Studio.AI (integrato nel tool SPC5-Studio), oggetto del tutorial del 9 giugno, in modo da preparare una dimostrazione. Nel pomeriggio del 9 giugno si terrà una sessione appositamente dedicata a queste presentazioni.

Iscriviti subito!

Registrazione

Pagina Termini e condizioni
Loading gif

Frequently Asked Questions

Cosa succede quando mi registro alla challenge?

Ricevo una mail di conferma con il link dal quale scaricare il SW di ST, che contiene quanto necessario per partecipare alla challenge incluso un esempio di partenza, e nel quale inserire la mia soluzione. La mail contiene anche le informazioni per scaricare e configurare l’ambiente SPC5-Studio.

 Che versione di tensorflow devo usare per la challenge?

La versione 2.3.0

In che formati posso salvare la rete neurale?

I formati sono Keras (.h5) o TensorflowLite (.tflite). Devono essere visualizzabili con Netron disponibile presso https://github.com/lutzroeder/netron

Ho sviluppato una soluzione alla challenge. A chi la devo inviare?

Deve essere inviato il notebook Jupyter BMS_Tutorial_neural_networks.ipynb con la soluzione e le misure (MAE, MSE, RMSE) ben visibili nelle celle predisposte. Deve essere rieseguibile dal comitato ST come fornito e senza ulteriori modifiche al progetto originale fornito con la challenge, se non per la parte di rete neurale proposta. La rete neurale deve poter essere quindi rigenerata localmente.

La mail alla quale inviare il notebook Jupyter (modificato a partire da quello disponibile nel pacchetto SW rilasciato da ST) è neapolisinnovation@gmail.com  con un eventuale link a gdrive o similari dal quale scaricare la soluzione. L’oggetto della mail puo’ essere: Soluzione del proponente e.g. Nome_Cognome (o e.g. del team “nome_del_team”) alla challenge AI Neapolis 2021

Ho dei dubbi. A chi posso chiedere chiarimenti?

Controlla le FAQ aggiornate all’indirizzo:

https://docs.google.com/document/d/1Tosg7h22useVC9vMesLIlp7noFf9OicZsWEhEmrKV9g/edit?usp=sharing

Se non trovi le risposte ai tuoi dubbi usa la form:

https://docs.google.com/forms/d/e/1FAIpQLSeLGjREo_vKzDCvtB1DMg5bdXsSYYpO2DSRhJuO91PRRIIa5g/viewform?usp=sf_link

Chi giudicherà le varie soluzioni alla challenge?

Un comitato di esperti ST valuterà le soluzioni in termini di accuratezza raggiunta e complessità dei modelli (in termini di numero di parametri). Stilerà una classifica e invierà una conferma ai singoli proponenti.

Ci sarà un vincitore della challenge?

Il vincitore avrà la possibilità di pubblicare un articolo tecnico che descrive il lavoro svolto presso https://www.st.com/content/st_com/en/campaigns/artificial-intelligence-for-spc5-32-bit-automotive-mcus.html