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(yīng)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(yīng)。

需求背景

人工神經(jīng)網(wǎng)絡(luò)（ANN）已得到廣泛應(yīng)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(yīng)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(yīng)，以便對接近障礙物做出適當?shù)姆磻?yīng)。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(yīng)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(yīng)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(yīng)。

我們目前正在探索的一個應(yīng)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(wù)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。”

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。”

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。”