Low-power radarchip maakt gebruik van spiking neurale netwerken

Imec beweert 's werelds eerste op spiking neurale netwerk (SNN) gebaseerde chip voor radarsignaalverwerking te hebben gebouwd, waardoor het mogelijk is om toepassingen te creëren zoals slimme, low-power anti-collision radarsystemen voor drones die naderende objecten in een kwestie van milliseconden identificeren

Imec bootst de manier na waarop groepen biologische neuronen werken om temporele patronen te herkennen en zei dat de chip 100 keer minder stroom verbruikt dan traditionele implementaties, terwijl de latentie tien keer zo laag is, waardoor bijna onmiddellijke besluitvorming mogelijk is. Micro-Doppler-radarsignaturen kunnen bijvoorbeeld worden geclassificeerd met slechts 30 mW vermogen. Hoewel de architectuur en algoritmen van de chip eenvoudig kunnen worden afgestemd om een ​​verscheidenheid aan sensorgegevens te verwerken (inclusief elektrocardiogram-, spraak-, sonar-, radar- en lidarstreams), zal de eerste use-case de creatie van een energiezuinige, zeer intelligente anti- botsingsradarsysteem voor drones dat veel effectiever kan reageren op naderende objecten.

Kunstmatige neurale netwerken (ANN's) zijn al tot stand gekomen in een breed scala van toepassingsdomeinen. Ze zijn bijvoorbeeld een belangrijk ingrediënt van de op radar gebaseerde antibotsingssystemen die vaak worden gebruikt in de auto-industrie. Maar ANN's hebben beperkingen. Ten eerste verbruiken ze te veel stroom om te worden geïntegreerd in steeds beperktere (sensor)apparaten. Bovendien vereisen de onderliggende architectuur en gegevensopmaak van ANN's dat gegevens een tijdrovende reis maken van het sensorapparaat naar het AI-inferentie-algoritme voordat een beslissing kan worden genomen. Dat is waar spiking neurale netwerken (SNN's) kunnen helpen.

"Vandaag presenteren we 's werelds eerste chip die radarsignalen verwerkt met behulp van een terugkerend spiking neuraal netwerk", zegt Ilja Ocket, programmamanager neuromorphic sensing bij imec. "SNN's werken op dezelfde manier als biologische neurale netwerken, waarin neuronen in de loop van de tijd spaarzaam elektrische pulsen afvuren, en alleen wanneer de sensorische input verandert. Zo kan het energieverbruik aanzienlijk worden verminderd. Bovendien kunnen de spiking-neuronen op onze chip herhaaldelijk worden verbonden - waardoor de SNN een dynamisch systeem wordt dat tijdelijke patronen leert en onthoudt. De technologie die we vandaag introduceren, is een grote stap voorwaarts in de ontwikkeling van echt zelflerende systemen.”

Imec zei dat zijn chip in eerste instantie was ontworpen om elektrocardiogram (ECG) en spraakverwerking in apparaten met beperkte stroom te ondersteunen. De generieke architectuur, gebaseerd op een volledig nieuw digitaal hardware-ontwerp, betekent dat het ook gemakkelijk opnieuw kan worden geconfigureerd om een ​​verscheidenheid aan andere sensorische inputs te verwerken, zoals sonar-, radar- en lidar-gegevens. In tegenstelling tot analoge SNN-implementaties zorgt imecs event-driven digitale ontwerp ervoor dat de chip zich precies en herhaaldelijk gedraagt ​​zoals voorspeld door de neurale netwerksimulatietools.

Slim low-power antibotsingssysteem voor drones (en auto's)

Een belangrijke toepassing voor de nieuwe imec-chip is een low-latency, low-power anti-collision systeem voor drones. De drone-industrie werkt – meer nog dan de automobielsector – met beperkte apparaten (bijv. beperkte batterijcapaciteit) die snel moeten reageren op veranderingen in hun omgeving om adequaat te kunnen reageren op naderende obstakels. Door zijn verwerking dicht bij de radarsensor te doen, moet de chip het radardetectiesysteem in staat stellen om veel sneller - en nauwkeuriger - onderscheid te maken tussen naderende objecten. Op zijn beurt zei imec dat drones hierdoor bijna onmiddellijk kunnen reageren op potentieel gevaarlijke situaties.

Ocket merkte op:"Eén scenario dat we momenteel onderzoeken, is het gebruik van autonome drones die afhankelijk zijn van hun ingebouwde camera en radarsensorsystemen voor navigatie in het magazijn, waarbij ze op veilige afstand blijven van muren en planken tijdens het uitvoeren van complexe taken. Deze technologie kan ook in tal van andere use-cases worden gebruikt - van robotica-scenario's tot de inzet van automatisch geleide voertuigen (AGV's) en zelfs gezondheidsmonitoring." De chip komt tegemoet aan de vraag naar energiezuinige neurale netwerken die leren van data en gepersonaliseerde AI mogelijk maken. Om de chip te maken, liet imec experts uit verschillende disciplines binnen het onderzoeksinstituut samenwerken - van de ontwikkeling van trainingsalgoritmen en het versterken van neurale netwerkarchitecturen die neurowetenschap als basis nemen, tot biomedische en radarsignaalverwerking en ultra-low power digitale chipontwerp .

>> Dit artikel is oorspronkelijk gepubliceerd op onze zustersite, EE Times Europe.