Az Akida NSoC egy apró, alacsony árú és kisfogyasztású megoldás, ami optimális az olyan újgenerációs rétegalkalmazásokban, mint a továbbfejlesztett vezetéktámogató rendszerek (ADAS), önvezető autók, drónok, gépi látással működő okosrobotok, megfigyelőrendszerek stb. Az Akida NSoC skálázhatósága támogatja több Akida eszköz hálózatba kapcsolását is komplex neurális hálós tanuláshoz, megnyitva a teret olyan alkalmazások előtt, mint a technológiaalapú mezőgazdaság (AgTech), kiberbiztonság és pénzügyi technológiák.
A biológia által inspirált, digitális valóságban realizált Akida NSoC egy tisztán CMOS-alapú bináris logikai megoldás, ami a mai gyártástechnológiákkal kiváló kihozatalt és alacsony költségeket jelent. A természetes neurális hálók működését nagyon jól közelítő, ún. spiking neurális hálók (SNN – Spiking Neural Network) a hagyományos, konvolúciós neurális hálókhoz (CNN – Convolutional Neural Network) képest eredendően alacsonyabb fogyasztásúak, mivel a számításigényes konvolúciós és hiba-visszaterjesztéses tanítási módszerek helyett a biológia ihlette neuronfunkciókat imitálja és a pozitív visszacsatolásos tanítási módszereket alkalmazza.
A BrainChip kutatása megállapította az optimális neuronmodellt és tanítási módszereket, amely soha nem látott hatékonyságot és pontosságot valósít meg. Minden egyes Akida NSoC 1,2 millió effektív neuronnal és 10 milliárd szinapszissal rendelkezik, amely százszor jobb hatásfokot eredményez az Intel és IBM neuromorf tesztchipjeihez képest. A piacvezető CNN gyorsítókhoz képest, hasonló pontosság mellett a CIFAR-10 és hasonló iparági teljesítményteszteken egy nagyságrenddel jobb teljesítőképességet ad az Akida NSoC.
Az Akida NSoC-ot úgy tervezték, hogy egyaránt alkalmas legyen önálló működésre vagy társprocesszorként történő felhasználásra. Tartalmaz szenzorinterfészt hagyományos, pixelalapú képalkotási célokra, dinamikus látási szenzorokhoz, LIDAR-hoz, audióhoz és analóg jelekhez is, ezenfelül ellátták nagysebességű adatinterfészekkel is (pl. PCI Express, USB, Ethernet). Az NSoC-ba olyan konvertereket is beágyaztak, amelyek a népszerű adatformátumokat spike-okká konvertálják át, feldolgozhatóságot biztosítva az Akida Neuron Fabric-ben.
A spiking neurális hálók eredendően pozitív visszacsatolásos adatfolyamot jelentenek tanítási és következtetési feladatokra egyaránt. Az Akida neuronmodellbe innovatív tanítási módszertanok vannak beültetve, felügyelt és felügyelet nélküli tanuláshoz. Felügyelt módban a háló kezdeti rétegei autonóm módon tanítják önmagukat, míg a végső, teljesen hálózatos rétegekben címkék helyezhetők el, lehetővé téve a hálók számára, hogy osztályozási hálókként működjenek. Az Akida NSoC-ot úgy tervezték meg, hogy az Akida fejlesztőkörnyezetben lehetővé tegye a chipen kívüli tanulást vagy chipen belüli tanulást is. A chipre integrált CPU végzi az Akida Neuron Fabric konfigurációját és a metaadatok chipen kívüli kommunikációját.
