Evolving TinyML——传感器旁边的第一个神经形态模拟信号处理器

TinyML，或优化机器学习（ML）模型以在资源受限的设备上运行，是ML中新兴最快的子领域之一。为了实现TinyML（有时称为TinyAI）所需的超低功耗、高性能计算，工程师们探索了许多令人兴奋的新技术。

 

TinyML在边缘计算领域的地位概述。图片由Signoretti等人提供

 

利用这一趋势，以色列Polyn公司本周宣布，其最新的TinyML/TinyAI处理器，一种神经形态模拟信号处理器，已成功封装和评估。

在本文中，我们将看看Polyn提供的技术，看看它可能对TinyML整体产生的影响。

 

人工智能的神经形态计算

为了追求更低功耗、更高性能的人工智能计算硬件，神经形态计算是令人兴奋的新兴技术之一。

神经形态计算的概念是，人脑是人类已知的功率效率最高的计算设备。在尝试运行人工智能应用程序时，创建尽可能模拟大脑中生物过程的计算硬件将是有利的。尽管这听起来是一项艰巨的任务，但工程师们可以通过硬件和软件的结合来尝试这种娱乐。

 

神经形态解决方案的实施。图片由Balaji等人提供

 

从硬件的角度来看，神经形态芯片试图通过充当神经元、轴突以及它们之间的加权连接的电路元件来模仿大脑。

为了进一步模拟大脑，这种硬件通常通过模拟电路实现，这也有助于提高性能和电源效率。然后，神经形态计算依赖于专门的神经网络，如尖峰神经网络和电信号调制来模拟大脑信号的变化。

考虑到这一基本理解，让我们看看Polyn的新技术。

 

Polyn的NeuroSense和NASP技术

本周，Polyn公司宣布其专有的神经形态计算芯片NeuroSense已首次封装和评估，成为头条新闻。被称为神经形态模拟信号处理器（NASP）技术的NASP技术被设计为实时边缘传感器信号处理器。

 

NASP演示芯片。图片由Polyn提供

 

Polyn表示，他们的技术利用了一个独特的平台，该平台将经过训练的神经网络作为输入，并使用数学建模将网络合成为真正的神经形态芯片。其NASP芯片利用模拟电路，其中神经元通过运算放大器实现，而轴突通过薄膜电阻器实现。

他们声称，由其平台生产的合成芯片已经完全布局并准备好制造。

 

NASP设计过程。图片由Polyn提供

 

这种新封装和评估的NeuorSense芯片采用55nm CMOS技术实现。此外，据说它表现为边缘信号传感器，能够使用神经形态计算处理原始传感器数据，而无需对模拟信号进行任何数字化。

出于这个原因，该公司称其为第一个可以直接在传感器旁边使用的神经形态模拟TinyML芯片，而不需要模数转换器（ADC）。

虽然许多技术规格尚不清楚，但据介绍，对于常开应用，Polyn的NASP提供了100 uW的功耗，其精度是传统算法的“两倍”。

 

将TinyML芯片推向未来

目前，Polyn对其发展感到鼓舞，表示其芯片的成功封装和评估验证了其技术和整个NASP系统。Polyn表示，未来希望在2023年第一季度将该芯片作为一种可穿戴设备提供给客户，该设备将集成光电体积描记术（PPG）和惯性测量单元（IMU）传感器。