임베디드
Imec은 레이더 신호 처리를 위한 세계 최초의 스파이크 신경망(SNN) 기반 칩을 구축하여 밀리초 만에 접근하는 물체를 식별하는 드론용 스마트 저전력 충돌 방지 레이더 시스템과 같은 애플리케이션을 만들 수 있다고 주장합니다.
imec은 생물학적 뉴런 그룹이 시간 패턴을 인식하기 위해 작동하는 방식을 모방하여 칩이 기존 구현보다 100배 적은 전력을 소비하는 동시에 대기 시간이 10배 감소하여 거의 즉각적인 의사 결정을 가능하게 한다고 말했습니다. 예를 들어, 마이크로 도플러 레이더 신호는 30mW의 전력만 사용하여 분류할 수 있습니다. 칩의 아키텍처와 알고리즘은 다양한 센서 데이터(심전도, 음성, 수중 음파 탐지기, 레이더 및 라이더 스트림 포함)를 처리하도록 쉽게 조정할 수 있지만 첫 번째 사용 사례에는 저전력, 고도로 지능적인 안티 접근하는 물체에 훨씬 더 효과적으로 반응할 수 있는 드론용 충돌 레이더 시스템입니다.
인공 신경망(ANN)은 이미 광범위한 응용 분야에서 구축되었습니다. 예를 들어 자동차 산업에서 일반적으로 사용되는 레이더 기반 충돌 방지 시스템의 핵심 요소입니다. 그러나 ANN에는 한계가 있습니다. 하나는 점점 더 제한적인(센서) 장치에 통합하기에는 너무 많은 전력을 소비합니다. 또한 ANN의 기본 아키텍처 및 데이터 형식 지정은 결정을 내리기 전에 데이터가 센서 장치에서 AI 추론 알고리즘까지 시간이 많이 걸리는 여정을 수행해야 합니다. 스파이크 신경망(SNN)이 도움이 될 수 있는 부분입니다.
imec의 뉴로모픽 센싱 프로그램 관리자인 Ilja Ocket은 "오늘 우리는 반복 스파이크 신경망을 사용하여 레이더 신호를 처리하는 세계 최초의 칩을 선보입니다. “SNN은 생물학적 신경망과 매우 유사하게 작동합니다. 여기서 뉴런은 감각 입력이 변할 때만 시간이 지남에 따라 전기 펄스를 드물게 발화합니다. 따라서 에너지 소비를 크게 줄일 수 있습니다. 게다가 우리 칩의 스파이크 뉴런은 반복적으로 연결될 수 있어 SNN을 시간적 패턴을 학습하고 기억하는 동적 시스템으로 바꿀 수 있습니다. 오늘 우리가 소개하는 기술은 진정한 자가 학습 시스템 개발에 있어 중요한 도약입니다.”
Imec은 자사 칩이 처음에 전력이 제한된 장치에서 심전도(ECG) 및 음성 처리를 지원하도록 설계되었다고 말했습니다. 완전히 새로운 디지털 하드웨어 설계를 기반으로 하는 일반 아키텍처는 소나, 레이더 및 라이더 데이터와 같은 다양한 기타 감각 입력을 처리하도록 쉽게 재구성할 수도 있음을 의미합니다. 아날로그 SNN 구현과 달리 imec의 이벤트 중심 디지털 설계는 칩이 신경망 시뮬레이션 도구에서 예측한 대로 정확하고 반복적으로 동작하도록 합니다.
드론(및 자동차)을 위한 스마트 저전력 충돌 방지 시스템
새로운 imec 칩의 핵심 애플리케이션은 드론을 위한 저지연, 저전력 충돌 방지 시스템입니다. 자동차 부문보다 더 많은 드론 산업은 접근하는 장애물에 적절하게 대응하기 위해 환경 변화에 신속하게 대응해야 하는 제한된 장치(예:제한된 배터리 용량)와 함께 작동합니다. 레이더 센서 가까이에서 처리를 수행하는 이 칩은 레이더 감지 시스템이 접근하는 물체를 훨씬 더 빠르고 정확하게 구별할 수 있도록 해야 합니다. imec은 이를 통해 드론이 잠재적으로 위험한 상황에 거의 즉각적으로 대응할 수 있다고 말했습니다.
Ocket은 "현재 탐색 중인 한 시나리오는 창고 내 탐색을 위해 온보드 카메라 및 레이더 센서 시스템에 의존하는 자율 드론을 특징으로 하며 복잡한 작업을 수행하는 동안 벽과 선반에서 안전한 거리를 유지합니다. 이 기술은 로봇 공학 시나리오에서 자동 안내 차량(AGV) 배포 및 건강 모니터링에 이르기까지 다른 많은 사용 사례에서도 사용될 수 있습니다.” 이 칩은 데이터로부터 학습하고 개인화된 AI를 가능하게 하는 저전력 신경망에 대한 요구를 충족합니다. 이 칩을 만들기 위해 imec은 연구소 내 다양한 분야의 전문가들이 함께 작업하도록 했습니다. 교육 알고리즘 및 신경 과학을 기반으로 하는 스파이크 신경망 아키텍처의 개발에서 생물 의학 및 레이더 신호 처리 및 초저전력 디지털 칩 설계에 이르기까지 .
>> 이 기사는 원래 다음 날짜에 게시되었습니다. 자매 사이트인 EE Times Europe.
임베디드
이 기사에서는 간단한 신경망에 대한 가중치를 자동으로 생성할 수 있는 Python 코드를 제공합니다. Perceptron 신경망에 대한 AAC 시리즈에 오신 것을 환영합니다. 배경 지식을 처음부터 시작하거나 앞으로 나아가고 싶다면 여기에서 나머지 기사를 확인하세요. 신경망을 사용하여 분류를 수행하는 방법:퍼셉트론이란? 간단한 퍼셉트론 신경망을 사용하여 데이터를 분류하는 방법 기본 퍼셉트론 신경망 훈련 방법 단순 신경망 훈련 이해 신경망 훈련 이론 소개 신경망의 학습률 이해 다층 퍼셉트론을 사용한 고급 기계 학습 시그모이드 활성화
대뇌 피질은 이미지를 처리하는 뇌의 일부입니다. 인간은 다른 포유류에 비해 가장 큰 대뇌 피질을 가지고 있습니다. 이 뛰어난 시력은 인간이 다른 동물보다 우위에 서게 한 진화적 특성 중 하나입니다. 진화 생물학자들은 이 특성 뒤에 숨겨진 미스터리를 풀기 위해 노력하고 기술 연구자들은 이를 복제하려고 노력합니다. 그림 1. 공장의 머신 비전 시스템. 인간은 경험과 실천을 통해 배웁니다. 머신 러닝은 인간의 두뇌가 학습하는 방식을 컴퓨터가 모방하도록 하는 인공 지능(AI) 분야입니다. 이미지 인식 및 처리는 이 분야의 중