低功耗雷达芯片使用尖峰神经网络
Imec 声称已经构建了世界上第一个基于脉冲神经网络 (SNN) 的用于雷达信号处理的芯片，从而能够创建应用程序，例如用于无人机的智能、低功耗防撞雷达系统，可在几毫秒内识别接近的物体
模仿生物神经元组识别时间模式的方式，imec 表示，其芯片的功耗比传统实现低 100 倍，同时延迟减少十倍——几乎可以立即做出决策。例如，仅使用 30 mW 的功率就可以对微多普勒雷达特征进行分类。虽然该芯片的架构和算法可以轻松调整以处理各种传感器数据（包括心电图、语音、声纳、雷达和激光雷达流），但它的第一个用例将包括创建低功耗、高度智能的反无人机碰撞雷达系统，可以更有效地对接近的物体做出反应。
人工神经网络 (ANN) 已经在广泛的应用领域中建立起来。例如，它们是汽车行业常用的基于雷达的防碰撞系统的关键组成部分。但是人工神经网络有局限性。一方面，它们消耗太多功率，无法集成到日益受限的（传感器）设备中。此外，ANN 的底层架构和数据格式要求数据在做出决定之前进行从传感器设备到 AI 推理算法的耗时过程。这就是尖峰神经网络 (SNN) 可以提供帮助的地方。
“今天，我们展示了世界上第一个使用循环尖峰神经网络处理雷达信号的芯片，”imec 神经形态传感项目经理 Ilja Ocket 说。 “SNN 的运作方式与生物神经网络非常相似，其中神经元会随着时间的推移而稀疏地发射电脉冲，并且仅在感觉输入发生变化时才发射。因此，可以显着降低能耗。更重要的是，我们芯片上的尖峰神经元可以反复连接——将 SNN 变成一个动态系统，可以学习和记住时间模式。我们今天推出的技术是开发真正自学系统的重大飞跃。”
Imec 表示，其芯片最初旨在支持功率受限设备中的心电图 (ECG) 和语音处理。其基于全新数字硬件设计的通用架构意味着它还可以轻松重新配置以处理各种其他传感输入，如声纳、雷达和激光雷达数据。与模拟 SNN 实现相反，imec 的事件驱动数字设计使芯片按照神经网络仿真工具的预测准确且重复地运行。
无人机（和汽车）智能低功耗防撞系统
新型imec芯片的一个关键应用是无人机的低延迟、低功耗防撞系统。无人机行业——甚至超过汽车行业——与受限设备（例如有限的电池容量）合作，这些设备需要对环境的变化做出快速反应，以便对接近的障碍物做出适当的反应。该芯片靠近雷达传感器进行处理，应该使雷达传感系统能够更快、更准确地区分接近的物体。反过来，imec 表示，这将使无人机几乎可以立即对潜在的危险情况做出反应。
Ocket 评论说：“我们目前正在探索的一个场景是自主无人机，这些无人机依赖于其机载摄像头和雷达传感器系统进行仓库导航，在执行复杂任务的同时与墙壁和货架保持安全距离。这项技术也可以用于许多其他用例——从机器人场景到自动导引车 (AGV) 的部署，甚至健康监测。”该芯片满足了对从数据中学习并实现个性化 AI 的低功耗神经网络的需求。为了打造这款芯片，imec 与研究所内各个学科的专家一起合作——从开发训练算法和以神经科学为基础的脉冲神经网络架构，到生物医学和雷达信号处理以及超低功耗数字芯片设计.
>> 本文最初发表于我们的姊妹网站 EE Times Europe。
嵌入式