저전력 장치는 실리콘 달팽이관으로 들을 수 있습니다.

유비쿼터스, 상시 작동 감지 및 컴퓨팅으로 이동함에 따라 전력이 점점 더 중요해지고 있습니다. 책상, 주머니, 집 주변에 배포되는 음성 인식 장치보다 이것이 중요한 위치에 대한 더 좋은 예는 없을 것입니다. 작년에 보았듯이 특히 키워드 스포팅은 현재 모든 종류의 뉴로모픽 기술의 목표입니다.

실리콘 달팽이관

2020년 미샤 마호왈드 신경형 공학상 수상자는 음성 감지를 위한 저지연, 저전력 센서를 연구해온 Shih-Chii Liu 교수와 팀입니다. 신경정보학연구소(INI)의 Shih-Chii Liu와 그녀의 팀이 개발한 동적 오디오 센서는 결국 이 시장을 다룰 수 있습니다. 그 핵심에는 생물학을 모방하도록 설계된 실리콘 달팽이관이 있습니다. 먼저 들어오는 사운드는 아날로그 대역통과 필터 세트를 사용하여 주파수 채널로 필터링되며, 출력은 반파 정류됩니다. 함께, 이것은 귀에 있는 유모 세포의 기능을 모방합니다.

기존 오디오 시스템에서는 먼저 아날로그-디지털 변환기를 사용하여 사운드를 변환한 다음 디지털 고속 푸리에 변환(FFT) 및 대역 통과 필터링(BPF)을 사용하여 특징을 추출합니다. 이들은 VAD(음성 활동 감지) 또는 자동 음성 인식 알고리즘을 실행하는 DSP(디지털 신호 프로세서)에 의해 처리됩니다. B. INI-Zurich 동적 오디오 센서에서 신호는 기능이 있는 아날로그 오디오 대역으로 수신되고 변경 사항은 병렬로 비동기 스파이크(이벤트) 열로 인코딩된 다음 처리됩니다.

생물학에서 발생하는 것처럼 다른 채널은 뇌에서 처리할 준비가 됩니다. 귀에서 신경절 세포는 신호를 화학 이온의 돌진으로 인코딩합니다. 실리콘 와우에서는 전기 스파이크로 바뀝니다. 이것은 고전적인 통합 및 발사 기능을 사용하거나 신호를 두 임계값과 비교하고 이러한 임계값이 전달될 때 적절한 이벤트를 전송하여 기능 추출기 역할을 하는 비동기식 델타 변조기(ADM)를 사용하여 수행할 수 있습니다. 변하지 않는 신호를 무시하기 때문에 다음 단계로 넘어가는 중복 정보의 양이 줄어듭니다.

전력 관점에서 볼 때 아무 일도 일어나지 않으면 실리콘 달팽이관은 거의 에너지를 소비하지 않지만 활동이 증가함에 따라 스파이크 수도 증가합니다. 응용 프로그램에 따라 큰 이점이 될 수도 있고(듣기는 많이 하지만 행동은 거의 없는 경우) 전혀 이점이 없을 수도 있습니다(항상 디코딩할 관련 항목이 있는 경우).

그러나 낮은 µW 영역에서 작동하는 오디오 센서로서 이 칩은 시스템 설계자에게 전력 효율성을 높이는 귀중한 옵션을 제공할 수 있습니다. 또한 스파이크가 연속적으로 작동하기 때문에 스파이크가 멀리 떨어져 있거나 가까이 있을 수 있는 거의 무한한 범위가 있기 때문에 매우 높은 동적 범위를 허용합니다.

음성 인식

이 작업의 중요한 부분은 유용성을 입증하는 것이었습니다. . 특히, 실리콘 달팽이관에 의해 생성된 이벤트 스트림은 키워드 인식의 첫 번째 단계인 음성 활동 감지와 같은 실제 응용 프로그램에서 사용할 수 있습니다. Liu와 그녀의 팀은 이벤트 출력을 사용하여 데이터의 2D 프레임을 생성함으로써 이를 수행하는 데 성공했습니다. 즉, 프레임의 5ms에 걸쳐 배열된 주파수에 따른 도달 스파이크의 히스토그램입니다. 달팽이관(cochleagram)이라고 하는 이것들은 신경망으로 읽을 수 있고 거기에서 그 의미를 해독할 수 있습니다.

Liu에 따르면 "센서에서 딥 네트워크를 사용하는 것은 IEEE ISSCC 커뮤니티에 큰 관심을 불러일으키며 오디오 에지 컴퓨팅에 대한 현재 큰 관심을 감안할 때 매우 시의적절합니다." 그녀는 키워드 스포팅을 위한 저전력 ASIC에 대한 많은 논문이 있었지만 이들은 기존의 스펙트로그램과 유사한 기능을 사용한다고 말했습니다. 그녀의 목표 중 하나는 "하이브리드 솔루션(혼합 아날로그 신호 설계)이 응답 시간이 짧은 저전력 설계 솔루션으로 이어질 수 있음을 보여주는 것입니다."

작년에 INI는 숫자를 인식하는 시스템을 보여주는 비디오를 발표했습니다(약 2:06부터 Liu를 볼 수 있음). 오류가 없는 것은 아니지만 시스템 개발 초기 단계이기도 합니다. Minhao Yang, Chang Gao, Enea Ceolini, Adrian Huber, Jithendar Anumula, Ilya Kiselev 및 Daniel Neil이 포함된 팀은 또한 센서 융합을 실험했습니다. Liu와 그녀의 동료들은 시청각 정보를 결합하여 분류합니다. 더 신뢰할 수 있습니다[1]. 그들은 아날로그 센서가 유리한 시점과 디지털 방식을 고수하는 것이 더 나은 시점을 선택하기 위한 초기 설계 규칙을 발표했습니다[2].

주소-이벤트 표현의 발명가 중 한 명이며 뉴로모픽 엔지니어링 상을 수상한 Misha Mahowald.

또 다른 끊임없는 노력은 DAS의 전력 효율성과 성능을 개선하는 것과 관련이 있습니다. 이 중 일부는 소스-팔로워 기반 대역통과 필터에서 아날로그 기능 추출기의 설계에 이르기까지 개별 기능의 구현을 살펴보는 것과 관련이 있습니다.

아날로그 전자 장치에서 가변성의 영향을 줄이는 것은 연구의 또 다른 중요한 영역입니다. 이를 돕기 위해 Cadence Virtuoso와 같은 상용 소프트웨어를 사용하는 것보다 훨씬 더 빠르게 이러한 문제를 테스트하는 데 사용할 수 있는 하드웨어 에뮬레이터를 구축했습니다. 하드웨어가 아닌 소프트웨어에서 분류에 사용하는 이진 신경망을 훈련함으로써 다양한 실제 테스트 칩에서 분류 성능을 정확하게 예측할 수 있었습니다[3]. 그들은 이제 설계 프로세스를 더욱 강력하게 만들기 위해 가변성에 대한 프록시로 시스템에 노이즈를 추가하는 방법을 찾고 있습니다.

마호왈드 상

Liu는 뉴로모픽 엔지니어링의 초기 연구원 중 한 명이었습니다. 그녀는 Caltech(Mahowald가 일했던 곳)에 있는 Carver Mead의 연구실에서 함께 일했을 뿐만 아니라 많은 그룹이 캘리포니아를 떠나 취리히로 갔을 때 Institute of Neuroinformatics의 창립 회원이었습니다.

수상에 대해 Liu는 “특히 뉴로모픽 엔지니어링 분야의 훌륭한 연구원들과 함께 이 상을 받게 되어 큰 영광입니다. Dick Lyon, Carver Mead, Lloyd Watts, Rahul Sarpeshkar, Eric Vittoz 및 Andre van Schaik에서 확장된 수십 년간의 초기 실리콘 달팽이관 디자인을 기반으로 한 작업입니다.”

뉴로모픽 엔지니어링의 중요성에 대해 그녀는 “무어의 법칙이 끝날 때에도 디지털 계산은 생물학의 에너지 효율성보다 적어도 천 배는 뒤처질 것입니다. 따라서 DAS와 같은 하이브리드 아날로그 전자 시스템의 잠재적 효율성이 그 어느 때보다 중요해지고 있습니다.”

참조

[1] D. Neil 및 S. C. Liu, "이벤트 기반 센서 및 심층 네트워크 아키텍처와 효과적인 센서 융합", 회보 – 회로 및 시스템에 대한 IEEE 국제 심포지엄 , 2016년 7월, vol. 2016-7월, pp. 2282–2285, doi:10.1109/ISCAS.2016.7539039.

[2] S.C. Liu, B. Rueckauer, E. Ceolini, A. Huber 및 T. Delbruck, "효율적인 인식을 위한 이벤트 기반 감지:비전 및 오디션 알고리즘", IEEE 신호 프로세스. 매그 , 권. 36, 아니. 6, pp. 29–37, 2019년 11월, doi:10.1109/MSP.2019.2928127.

[3] M. Yang, S.-C. Liu, M. Seok, C. Enz, "달팽이관에서 영감을 받은 특징 추출 및 DNN 분류를 사용한 초저전력 지능형 음향 감지"

[4] M. Yang, CH Chien, T. Delbruck 및 SC Liu, "이벤트 기반 스테레오 오디오 감지를 위한 0.5 V 55 μW 64 × 2 채널 바이노럴 실리콘 달팽이관", IEEE J. 솔리드 스테이트 회로 , 권. 51, 아니. 11, pp. 2554–2569, 2016년 11월, doi:10.1109/JSSC.2016.2604285.

>> 이 기사는 원래 다음 날짜에 게시되었습니다. 자매 사이트인 EE Times.