Volgende generatie halfgeleiders voor de automobielsector:de sleutel tot zelfrijdende auto’s van niveau 5

Elektronica en sensoren INSIDER

Een blik op de volgende generatie halfgeleiders die we nodig hebben om de volledig zelfrijdende voertuigen van morgen van stroom te voorzien. (Afbeelding:de onderzoekers)

De robotaxis zonder bestuurder die door San Francisco rijdt, en de geavanceerde rijhulpsystemen op meer dan de helft van de nieuwe voertuigen die dit jaar worden verkocht, laten zien hoe ver de technologie voor autonome voertuigen is gekomen. Maar om de belofte van autonomie op niveau 5 waar te maken, auto's die zichzelf overal en onder alle omstandigheden kunnen besturen, zeggen experts dat we een nieuwe generatie halfgeleiders nodig hebben.

“Auto’s worden al een tijdje gezien als computers op wielen, maar om volledige autonomie te bereiken moeten ze meer op reizende datacenters gaan lijken”, zegt Valeria Bertacco, collegiaal hoogleraar computerwetenschappen en techniek aan Mary Lou Dorf. “Om die sprong te maken heeft de auto-industrie nieuwe materialen, architecturen, systemen en productieprocessen nodig voor chips die sneller, goedkoper, energiezuiniger en duurzamer zijn.”

Onderzoekers van de Universiteit van Michigan werken samen met mondiale marktleiders om AV-computersystemen opnieuw vorm te geven. De inspanning wordt ondersteund door $10 miljoen van de staat Michigan aan het Michigan Semiconductor Talent and Technology for Automotive Research (mstar) initiatief, waartoe ook imec, KLA, de Michigan Economic Development Corporation, Washtenaw Community College en General Motors behoren.

Geautomatiseerde voertuigen vereisen een enorme rekenkracht die exponentieel groeit met elk niveau van autonomie. “Dit is een beperkt, ingebed systeem”, zegt Reetuparna Das, universitair hoofddocent Computerwetenschappen en Techniek. "De behoefte aan efficiëntere AI-hardware wordt heel goed begrepen. Het is een miljardenmarkt."

Vorig jaar bezochten vertegenwoordigers van de halfgeleiderindustrie de Mcity-testfaciliteit en keken naar de horizon. “Het is geweldig om te zien dat mensen samenkomen om deze aspecten aan te pakken”, zegt Michael Sun, hoofd van de automotive business development unit bij het in Taiwan gevestigde TSMC. “Ik werk al heel lang op dit gebied en ik denk dat er momenteel veel momentum is.”

De deep learning-netwerkmodellen in de hedendaagse AV’s bootsen losjes de structuur van een biologisch brein na, maar ze werken veel minder efficiënt. Ze werken door een continue stroom ongefilterde gegevens te verwerken. U-M-onderzoekers ontwikkelen een aanpak die het gedrag van de hersenen nabootst, in plaats van de structuur. Het speelt in op contrast, beweging en plotselinge gebeurtenissen, net zoals onze hersenen en ogen samenwerken om onze aandacht te filteren en te focussen.

Ze testen een efficiëntere processor, een neuromorfe chip, gebaseerd op hun wolfraamoxide-memristortechnologie, en een begeleidend algoritme voor een ‘spiking neuraal netwerk’. "Neuromorfe sensoren leggen geen frames vast zoals conventionele camera's dat doen. In plaats daarvan detecteren ze onafhankelijk veranderingen in elke pixel", zegt Wei Lu, James R. Mellor, hoogleraar Engineering in Mechanical Engineering.

Terwijl de traditionele ‘systeem op een chip’-architectuur inhoudt dat alle componenten op één stuk silicium worden geprint, verleggen de computerbehoeften van AV’s hun grenzen in termen van fysieke omvang en complexiteit. De chiplet-aanpak omvat kleinere, modulaire componenten die op een printplaat kunnen worden gemengd en op elkaar afgestemd om meer op maat gemaakte, duurzame systemen te bouwen. U-M-onderzoekers ontwikkelen een robuuster chiplet-communicatieprotocol dat jarenlang in een bewegend voertuig kan werken. “Chipletcommunicatie moet niet alleen robuust zijn, maar ook efficiënt in termen van energie en bandbreedte”, zegt Mike Flynn, de Fawwaz T. Ulaby collegiale hoogleraar elektrische en computertechniek. “We proberen hem ook snel en energiezuinig te maken.”

Bron