Neuromorfische engine aandrijft rollende robot, vermindert stroomverbruik met 99,75%

Motion Design INSIDER

Een rollende robot volgt Xiaoqiu An, een mechanical engineering PhD student, geleid door een target: een rood stuk karton op een staalstaaf. (Afbeelding: Mingze Chen, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Analog computing's comeback met memristors

Analoge computing maakt een comeback met hardware die informatie verwerkt en opslaat op dezelfde locatie, vergelijkbaar met biologische neuronen. Een kleinere, lichtere en energie-efficiëntere computer, gedemonstreerd aan de University of Michigan, kan helpen gewicht en stroom te besparen voor autonoom drones en rovers, met implicaties voor autonoome voertuigen breder.

De autonoome controller heeft een van de laagste stroomvereisten gerapporteerd, volgens de studie gepubliceerd in Science Advances. Het werkt op slechts 12,5 microwatt — in de buurt van een pacemaker. In hun testen was een rollende robot die de controller gebruikte in staat om een target te achtervolgen dat zigzagging door een gang met dezelfde snelheid en nauwkeurigheid als met een conventionele digitale controller. In een tweede proef, met een hefboomarm die zich automatisch herpositioneerde, deed de nieuwe controller het even goed.

"Dit werk introduceert een baanbrekend nanoelektronisch apparaat ontworpen voor hardware platforms die efficiënt kunnen rekenen met neurale netwerk architecturen," aldus Xiaogan Liang, U-M professor mechanical engineering en corresponderende auteur van de studie.

De hoge efficiëntie en miniaturisatie zijn met name belangrijk voor toepassingen zoals drones en ruimterovers, waar zowel gewicht als energie premie zijn. Echter, conventionele autonoome voertuigen kunnen ook profiteren van de technologie. Een miljard uur autonoom rijden per jaar zou meer stroom kunnen verbruiken dan de huidige datacenters wereldwijd gecombineerd, volgens eerdere research.

Memristors: de game changer

Analoge computing, bijna achterwege gelaten voor digitaals lagere stroomverbruik en hogere precisie, kan een onwaarschijnlijke held lijken — maar een relatief nieuw circuitelement verandert het spel. De memristor, voorgesteld in 1971 en voor het eerst gedemonstreerd in 2008, slaat informatie op in zijn elektrische weerstand. Wanneer het blootgesteld wordt aan een spanning, verlaagt het de hoeveelheid weerstand die het op het volgende signaal zal opleggen. Sommige memristors kunnen eerdere signalen im verloop van tijd vergeten en terugkeren naar hun oorspronkelijke weerstand, een gedrag dat vergelijkbaar is met relaxatie in neuronen. Dit is het type dat Liang's team bouwde.

Een rollende robot volgt Xiaoqiu An, een mechanical engineering PhD student, geleid door een target: Een rood stuk karton op een staalstaaf. De inset toont de robot's camera feed. (Video: Mingze Chen, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Omdat ze al functioneren zoals neurale netwerken, kunnen memristor netwerken functioneren als kunstmatige neurale netwerken veel efficiënter dan conventionele transistor-gebaseerde computers. Daarnaast, voor sensoren en actuatoren die analoog zijn, bespaart het analoog houden van verwerking de energiekosten van het converteren van signalen tussen analoog en digitaal.

Fabricatie en testen

Het team bouwde hun memristor circuits in de Lurie Nanofabrication Facility aan U-M door een goudgetippe arm, ongeveer 30 micron in diameter, over een silicium chip te wrijven — als een ballon op je haar wrijven zodat het aan een muur plakt met statische elektriciteit. De elektrische ladingen gidsden verdampte bismuth selenide om te accumuleren langs acht kruisende lijnen van ongeveer 15 nanometer dik, gerangschikt vergelijkbaar met een boter-kaas-en-eieren bord. Ze platteerden dan elektrode van titanium en goud aan de uiteinden van elke lijn.

De nieuwe memristor controller (rechts) wordt vergeleken met een standaard controller (links) op een drone controller testrig. De drone rotor moet de hefboomarm tillen naar een gegeven positie na op de grond te rusten en dan die positie herstellen nadat de arm geduwd wordt. (Video: Mingze Chen, Xiaoqiu An en Nihal Sekhon, Nanoengineering and Nanodevice Laboratory, University of Michigan)

Ze injecteerden signalen door één elektrode en lezen ze uit bij vijf elektrodes aan de andere kant van de chip, elk vertegenwoordigend een neuron. In de studie moest camera data van de rollende robot geconverteerd worden naar analoge signalen in een silicium processor voordat het door het memristor netwerk liep. Vergelijkbaar, voor de hefboomarm, ging data over de positie van de arm in het memristor netwerk door een silicium processor, en produceerde het de fundamenten van instructies voor het draaien van de aangehechte drone rotor om de arm naar de correcte positie te tillen.

"Apparaten als de onze kunnen robots intuitieve gedragingen geven zoals mensen, de manier waarop je misschien heel heet water aanraakt en je hand terugtrekt. De controle reactie kan minder nauwkeurig zijn, maar het kan heel snel zijn," aldus Mingze Chen, een recent Ph.D. afgestudeerde in mechanical engineering.

"Edge computing betekent dat de informatie niet hoeft te reizen naar een datacenter voor verwerking, zoals de zenuwen en spieren in onze hand en arm kunnen reageren zonder de informatie naar onze hersenen te sturen. Edge computing kan sneller zijn, met lager stroomverbruik, omdat we geen tijd en energie besteden aan data transmissie."

Bron

Transcript

Geen transcript beschikbaar voor deze video.