Open source-projektet AxonOS udvikler en softwareinfrastruktur til systemer med en brain-machine interface (BMI), designet til at opbygge et deterministisk eksekveringslag mellem neural hardware og AI. AxonOS-kernen er udviklet i Rust i "no_std"-tilstand med vægt på forudsigelig realtidseksekvering, et formaliseret systemkald ABI, en låsefri IPC-kapacitetsmodel og runtime-kontrol. Kildekoden er open source under MIT- eller Apache 2.0-licenserne.
Projektet omfatter en kerne/runtime, BCI-integration, arkitektoniske specifikationer, en samtykke-/tilladelsesmodel og realtidsanalyseværktøjer. AxonOS er i øjeblikket under udvikling til ARM Cortex-M-processorer og gennemgår hardwareverifikation og uafhængig realtidsydelsestest. AxonOS-arkitekturen ser hjerne-maskine-grænseflader som et flerlagssystem: hjerne-maskine-enhed → HAL → deterministisk runtime → IPC → tilladelses-/samtykkeadgangsmodel → applikations- og AI-lag.
Projektets hovedidé er at skabe et kontrolleret applikationsudførelseslag, der opererer mellem en neural netværksenhed og en AI, hvor krav til determinisme, isolation, neural dataadgang og responstid er en del af systemarkitekturen snarere end en funktion af applikationen. Et separat fokus i projektet er at analysere den værst tænkelige responstid (WCRT) for opgaver med fast prioritet. Til dette formål udvikles et uafhængigt værktøj, "dy-wcet", - en "no_std" Rust crate-pakke implementeret uden brug af flydende kommaoperationer.
Kilde: opennet.ru
