- 工程師打造類似樂高的人工智能芯片
- 來源：賽斯維傳感器網 發表于 2022/6/23
面向邊緣計算的傳感器計算系統集成技術。自然電子學（2022 年）。DOI: 10.1038/s41928-022-00778-y
想象一個更可持續的未來，手機、智能手表和其他可穿戴設備不必為了更新型號而被擱置或丟棄。相反，它們可以使用傳感器和處理器進行升級，這些傳感器和處理器可以安裝到設備的內部芯片上——就像整合到現有構建中的樂高積木一樣。這種可重新配置的芯片件可以使設備保持狀態，同時減少我們的電子浪費。
現在，麻省理工學院的工程師已經朝著模塊化愿景邁出了一步，他們采用了類似樂高的設計，可堆疊、可重新配置的人工智能芯片。
該設計包括交替的傳感和處理元件層，以及允許芯片層進行光學通信的發光二極管 (LED)。其他模塊化芯片設計采用傳統布線在層之間中繼信號。這種復雜的連接即使不是不可能也很難切斷和重新布線，使得這種可堆疊的設計不可重新配置。
麻省理工學院的設計使用光而不是物理線來通過芯片傳輸信息。因此，芯片可以重新配置，層可以交換或堆疊，例如添加新的傳感器或更新的處理器。
“您可以根據需要添加任意數量的計算層和傳感器，例如用于光、壓力甚至氣味的傳感器，”麻省理工學院博士后 Jihoon Kang 說。“我們稱其為類似樂高的可重構 AI 芯片，因為它根據層的組合具有無限的可擴展性。”
研究人員渴望將該設計應用于邊緣計算設備——自給自足的傳感器和其他電子設備，它們獨立于任何處理或分布式資源（如計算機或基于云的計算）工作。
“隨著我們進入基于傳感器網絡的物聯網時代，對多功能邊緣計算設備的需求將急劇擴大，”麻省理工學院機械工程副教授 Jeehwan Kim 說。“我們提出的硬件架構將在未來提供高度通用的邊緣計算。”
該團隊的研究結果發表在Nature Electronics上。
該團隊的設計目前配置為執行基本的圖像識別任務。它是通過由人工突觸制成的圖像傳感器、LED 和處理器的分層實現的——該團隊之前開發的記憶電阻器或“憶阻器”陣列，它們共同用作物理神經網絡，或“腦對芯片。” 可以訓練每個陣列直接在芯片上處理和分類信號，無需外部軟件或互聯網連接。
在他們的新芯片設計中，研究人員將圖像傳感器與人工突觸陣列配對，他們訓練每個突觸陣列識別某些字母——在本例中為 M、I 和 T。而傳統的方法是將傳感器的信號傳遞給該團隊通過物理線連接處理器，而是在每個傳感器和人工突觸陣列之間制造了一個光學系統，以實現各層之間的通信，而無需物理連接。
麻省理工學院博士后 Hyunseok Kim 說：“其他芯片通過金屬進行物理布線，這使得它們很難重新布線和重新設計，因此如果你想添加任何新功能，你需要制造一個新芯片。” “我們用光通信系統取代了物理線路連接，這讓我們可以自由地以我們想要的方式堆疊和添加芯片。”
該團隊的光通信系統由成對的光電探測器和 LED 組成，每個都有微小的像素圖案。光電探測器構成用于接收數據的圖像傳感器，以及用于將數據傳輸到下一層的 LED。當信號（例如字母的圖像）到達圖像傳感器時，圖像的光模式對 LED 像素的特定配置進行編碼，這反過來又會刺激另一層光電探測器以及人工突觸陣列，該陣列基于對信號進行分類關于入射 LED 光的圖案和強度。
該團隊制造了一個芯片，其計算核心尺寸約為 4 平方毫米，或大約是一塊五彩紙屑的大小。該芯片堆疊了三個圖像識別“塊”，每個“塊”包括一個圖像傳感器、光通信層和人工突觸陣列，用于對三個字母 M、I 或 T 中的一個進行分類。然后，它們將隨機字母的像素化圖像照射到芯片并測量每個神經網絡陣列響應產生的電流。（電流越大，圖像確實是特定數組被訓練識別的字母的可能性就越大。）
研究小組發現，該芯片可以正確分類每個字母的清晰圖像，但它無法區分模糊圖像，例如 I 和 T。但是，研究人員能夠快速更換芯片的處理層以獲得更好的“去噪”處理器，并找到芯片，然后準確識別圖像。
“我們展示了可堆疊性、可替換性以及將新功能插入芯片的能力，”麻省理工學院博士后 Min-Kyu Song 指出。
研究人員計劃為芯片增加更多的傳感和處理能力，他們設想應用是無限的。
“我們可以在手機的攝像頭上添加圖層，這樣它就可以識別更復雜的圖像，或者將這些圖像制作成可以嵌入可穿戴電子皮膚的醫療監視器，”Choi 說，他和 Kim 之前開發了一種“智能”皮膚，用于監測生命體征。跡象。
他補充說，另一個想法是內置于電子產品中的模塊化芯片，消費者可以選擇使用傳感器和處理器“磚”進行構建。
“我們可以制作一個通用的芯片平臺，每一層都可以像視頻游戲一樣單獨出售，”Jeehwan Kim 說。“我們可以制作不同類型的神經網絡，比如用于圖像或語音識別，讓客戶選擇他們想要的東西，然后添加到現有的芯片中，比如樂高積木。”
除了 Kim 和 Kang，麻省理工學院的作者還包括共同作者 Chanyeol Choi、Hyunseok Kim 和 Min-Kyu Song，以及特約作者 Hanwool Yeon、Celesta Chang、Jun Min Suh、Jiho Shin、Kangye Lu、Bo-In Park、 Yeongin Kim、Han Eol Lee、Doyoon Lee、Subeen Pang、Sang-Hoon Bae、Hun S. Kum 和 Peng Lin，以及來自哈佛大學、清華大學、浙江大學和其他地方的合作者。
- 如果本文收錄的圖片文字侵犯了您的權益，請及時與我們聯系，我們將在24內核實刪除，謝謝！
