# DEEPX DX-M1 и периферийный ИИ: обратная связь между исполнением модели и обучением На примере опубликованной заявки US20260065050A1 рассматриваем разнородные процессоры, оптимизацию модели и передачу результатов оценки в условной системе заводского контроля. Source: https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai ГЛАВНАЯ / Новости и аналитика Новости и аналитика DEEPX DX-M1 и периферийный ИИ: обратная связь между исполнением модели и обучением На примере опубликованной заявки US20260065050A1 рассматриваем разнородные процессоры, оптимизацию модели и передачу результатов оценки в условной системе заводского контроля. ИИ и программное обеспечение 2026.10.04 Опубликовано IPLEX Время чтения: 9 мин. Концептуальная схема обратной связи между обучением и выводом Документ и техническая задача Заявка US20260065050A1 опубликована 5 марта 2026 года; заявитель — DEEPX Co., Ltd. Она посвящена обучению нейронной сети и выводу с использованием разнородных процессоров. Код A1 означает публикацию заявки, а не подтверждение выдачи патента. Анализ не устанавливает актуальный правовой статус и не утверждает, что DX-M1 реализует все признаки формулы. Представим камеру, выявляющую царапины на производственной линии. Обученная на мощном компьютере модель должна работать рядом с камерой, при других объёмах памяти, поддерживаемых операциях и ограничениях мощности. Преобразование может повлиять на точность. Это условный пример, а не описание внедрения у клиента или измеренных показателей. Обучение и вывод решают разные задачи Обучение корректирует параметры по примерам; вывод применяет подготовленную модель к новым входным данным. Размеченные изображения изделий используются для обучения, а новые снимки с линии — для классификации. В раскрытой архитектуре первый процессор обучает модель, второй, с иной конфигурацией и более ограниченными возможностями, выполняет вывод. Развёртывание не сводится к копированию файла. Необходимо проверить доступные операции и поведение модели после преобразования. Даже если она помещается в память устройства, это ещё не гарантирует сохранения качества обнаружения дефектов. Веса, структура и облегчение модели Веса — числовые параметры, а структура — этапы вычислений и связи между ними. Обновление параметров не тождественно изменению структуры. Прореживание удаляет отдельные связи или компоненты, квантование уменьшает точность представления чисел. Это снижает требования к ресурсам, но может ухудшить точность и потребовать повторного обучения. На фигуре 5 показаны обучающий GPGPU (100), NPU для вывода (200), память (300), компилятор (310), хранение (320) и передача отчётных результатов (330). Компилятор подготавливает вычисления под целевое устройство; остальные блоки поддерживают хранение и обмен. Схема не доказывает конкретное устройство коммерческого чипа. Фигура 5 публикации: GPGPU, NPU, память, компилятор, хранение и отчётные результаты Оценка на устройстве замыкает цикл Последовательность включает обучение, передачу весов, вывод и оценку на целевом устройстве, возврат результатов, изменение модели и повторный вывод. Обучающий процессор использует оценку для корректировки структуры и весов, затем передаёт обновлённые веса для изменённой модели. Не предполагается, что периферийный NPU сам выполняет повторное обучение. Фигура 7 разделяет обучающие данные для GPGPU и тестовые данные для целевого устройства и показывает обратную связь. В условном заводском примере изображения с известными ответами выявляют пропуски дефектов, после чего модель дорабатывают и проверяют вновь. Заводская схема служит пояснением, а не экспериментальным доказательством. Фигура 7 публикации: обучающие и тестовые данные и обратная связь по оценке Условный заводской процесс: обучение, передача весов, оценка, изменение модели и повторный вывод; не пример внедрения и не экспериментальный результат. Роли GPU и NPU и место DX-M1 GPU поддерживает параллельные вычисления; GPGPU означает использование этих возможностей для задач общего назначения. NPU предназначен для нейросетевых операций. В заявке обучение на GPGPU и вывод на NPU приведены как пример разнородной обработки с компиляцией под операции и форматы целевого устройства. DEEPX позиционирует DX-M1 как процессор периферийного ИИ. Вывод выполняется вблизи источника данных вместо передачи каждого входа удалённому серверу. Это может уменьшить обмен данными, однако задержки, энергопотребление, память и точность зависят от реализации. Назначение продукта и содержание патентной заявки требуют раздельной оценки. Какие материалы важны для патентного анализа Существенна связь оценки на устройстве с изменением структуры и весов следующей версии модели, а не просто наличие двух процессоров. Следует фиксировать роли устройств, передаваемые сведения, этапы оптимизации, условия оценки и различия версий, отделяя изменение вычислительного графа от обновления параметров. IPLEX помогает анализировать и описывать для патентования решения в области ИИ и программного обеспечения. Неконфиденциальная схема системы, технические отличия и воспроизводимые условия оценки позволяют конкретизировать вклад. Материалы об ИИ и обучении во время тестирования дают дополнительный контекст, но разные механизмы изменения модели не следует отождествлять. Исходные обозначения сохранены; технический смысл иллюстраций поясняется в тексте. Исходная статья в Tistory Услуги по патентованию ИИ По теме: обновление весов во время тестирования Прочитать корейский оригинал Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела. Обсудить этот вопрос ↗ Все статьи НА ЭТОЙ СТРАНИЦЕ Документ и техническая задача Обучение и вывод решают разные задачи Веса, структура и облегчение модели Оценка на устройстве замыкает цикл Роли GPU и NPU и место DX-M1 Какие материалы важны для патентного анализа ОБРАТИТЕСЬ В IPLEX Обсудите с нами вопросы интеллектуальной собственности Мы рассматриваем ваши технологические и бизнес-потребности вместе. ↗ Связаться с нами Новее Uruaek и Urusa: смешение и ослабление различительной способности в Корее ↗ Ранее Вознаграждение за служебное изобретение в Корее: начало срока исковой давности ↗ Материалы по теме ИИ 2026.10.15 PaTH Attention: кодирование пути между токенами Разбор зависящих от входа преобразований Хаусхолдера, отслеживания состояний и экспериментальных возможностей и ограничений PaTH. ↗ Читать статью ИИ 2026.10.14 Huawei Pangu Weather: как связать модели с разными интервалами прогноза Разбор публикации US20250258318A1: выбор временных шагов, передача прогнозных состояний и объединение метеоданных. ↗ Читать статью ИИ 2026.10.13 LaCT: обновление временной памяти ИИ крупными блоками Технический разбор быстрых весов, загрузки GPU, причинного порядка обработки и экспериментальных ограничений LaCT. ↗ Читать статью - https://www.iplexlaw.co.kr/ru - https://www.iplexlaw.co.kr/ru/blog/category/ai - https://iplexlaw.tistory.com/4 - https://www.iplexlaw.co.kr/ru/ai-patents - https://www.iplexlaw.co.kr/ru/blog/1525199 - https://www.iplexlaw.co.kr/ko/blog/deepx-heterogeneous-processors-edge-ai - https://www.iplexlaw.co.kr/ru/contact - https://www.iplexlaw.co.kr/ru/blog - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-0 - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-1 - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-2 - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-3 - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-4 - https://www.iplexlaw.co.kr/ru/blog/deepx-heterogeneous-processors-edge-ai#case-deepx-en-5 - https://www.iplexlaw.co.kr/ru/contact - https://www.iplexlaw.co.kr/ru/blog/brunch-case-1795 - https://www.iplexlaw.co.kr/ru/blog/brunch-case-1794 - https://www.iplexlaw.co.kr/ru/blog/path-attention-householder-transformations - https://www.iplexlaw.co.kr/ru/blog/path-attention-householder-transformations - https://www.iplexlaw.co.kr/ru/blog/huawei-pangu-weather-time-interval-models - https://www.iplexlaw.co.kr/ru/blog/huawei-pangu-weather-time-interval-models - https://www.iplexlaw.co.kr/ru/blog/lact-large-chunk-test-time-training - https://www.iplexlaw.co.kr/ru/blog/lact-large-chunk-test-time-training