比利時微電子中心（IMEC）推出全球首個采用脈沖神經(jīng)網(wǎng)絡(luò)（SNN）處理雷達信號的芯片。芯片采用模仿生物神經(jīng)元群識別時間模式的運作方式，功耗比傳統(tǒng)的實現(xiàn)方式低100倍，延遲降低了10倍，幾乎可以實現(xiàn)即時決策。如只需30μW的功率就可以對微型多普勒雷達信號進行分類。該芯片架構(gòu)和算法可以很容易地調(diào)整以處理各種傳感器數(shù)據(jù)，包括心電圖、語音、聲納、雷達和激光雷達流等。首個應用案例將包括為無人機創(chuàng)建一個低功耗、高智能的防碰撞雷達系統(tǒng)，可以更有效地對接近的物體做出反應。

需求背景

人工神經(jīng)網(wǎng)絡(luò)（ANN）已得到廣泛應用領(lǐng)域，并證明了其價值，例如是汽車產(chǎn)業(yè)雷達防撞系統(tǒng)的一個重要組成部分。但ANN也有局限性。首先，功耗太大，無法集成到越來越受限制的（傳感器）設(shè)備中。其次，底層架構(gòu)和數(shù)據(jù)格式化使得數(shù)據(jù)從傳感器設(shè)備到人工智能推理算法需要耗費一定時間才能做出決策。因此，脈沖神經(jīng)網(wǎng)絡(luò)（SNN）進入視野。

重要優(yōu)勢

IMEC的新型芯片最初是為了支持心電圖（ECG）和語音處理在功率受限的設(shè)備中使用而設(shè)計。但因其通用架構(gòu)采用了全新的數(shù)字硬件設(shè)計，可以很容易地進行重新配置，以處理聲納、雷達和激光雷達數(shù)據(jù)等各種其他傳感輸入。

SNN的工作原理與生物神經(jīng)網(wǎng)絡(luò)非常相似，其中神經(jīng)元只有在傳感輸入發(fā)生變化時才會發(fā)射稀疏電脈沖。因此，能量消耗可以大大降低。更重要的是，芯片上的脈沖神經(jīng)元可以循環(huán)連接，將SNN變成一個學習和記憶時間模式的動態(tài)系統(tǒng)。

與模擬SNN實現(xiàn)方式不同的是，IMEC的事件驅(qū)動的數(shù)字設(shè)計使芯片的行為與神經(jīng)網(wǎng)絡(luò)仿真工具所預測的一樣，準確而反復地進行。

應用案例

無人機行業(yè)使用在受限的設(shè)備（如電池容量有限），需要對環(huán)境的變化做出快速反應，以便對接近障礙物做出適當?shù)姆磻?。IMEC神經(jīng)傳感項目經(jīng)理Ilja Ocket說：“因此，我們新芯片的首個典型應用包括為無人機創(chuàng)建一個低延遲、低功耗的防撞系統(tǒng)。通過在雷達傳感器附近進行處理，我們的芯片應能使雷達傳感系統(tǒng)更快、更準確地區(qū)分接近的物體，因而將使無人機幾乎能夠在瞬間對潛在的危險情況做出反應。

我們目前正在探索的一個應用場景是自主無人機依靠機載攝像頭和雷達傳感器系統(tǒng)進行室內(nèi)導航，在執(zhí)行復雜任務時與墻壁和貨架保持安全距離。這項技術(shù)還可以有很多其他使用場景---從機器人場景到自動導引車（AGV）的部署，甚至是健康監(jiān)測?！?/p>

自評

Ilja Ocket說：“今天，我們推出了世界上首款使用遞歸的脈沖神經(jīng)網(wǎng)絡(luò)處理雷達信號的芯片。我們今天引入的技術(shù)是真正的自學習系統(tǒng)發(fā)展的一大飛躍?！?/p>

IMEC的物聯(lián)網(wǎng)（IoT）認知傳感項目總監(jiān)Kathleen Philips總結(jié)道：“這款芯片滿足了業(yè)界對極低功耗神經(jīng)網(wǎng)絡(luò)的需求，能夠真正從數(shù)據(jù)中學習，實現(xiàn)個性化人工智能。為了它的誕生，我們召集了IMEC內(nèi)部各個學科的專家，從以神經(jīng)科學為基礎(chǔ)的訓練算法和脈沖神經(jīng)網(wǎng)絡(luò)架構(gòu)的研發(fā)，到生物醫(yī)學和雷達信號處理和超低功耗數(shù)字芯片設(shè)計。這就是imec真正的優(yōu)勢所在?！?/p>