Low-Power-Radarchip verwendet neuronale Spiking-Netzwerke

Imec behauptet, den weltweit ersten Chip auf Basis eines Spiking Neural Network (SNN) für die Radarsignalverarbeitung gebaut zu haben, der die Entwicklung von Anwendungen wie intelligenten Antikollisionsradarsystemen mit geringem Stromverbrauch für Drohnen ermöglicht, die sich nähernde Objekte in Millisekunden erkennen.

Imec ahmt die Funktionsweise von Gruppen biologischer Neuronen nach, um zeitliche Muster zu erkennen, und sagt, dass sein Chip 100-mal weniger Strom verbraucht als herkömmliche Implementierungen und gleichzeitig eine zehnfache Reduzierung der Latenz bietet – was eine fast sofortige Entscheidungsfindung ermöglicht. Beispielsweise können Mikro-Doppler-Radarsignaturen mit nur 30 mW Leistung klassifiziert werden. Während die Architektur und die Algorithmen des Chips leicht abgestimmt werden können, um eine Vielzahl von Sensordaten (einschließlich Elektrokardiogramm-, Sprach-, Sonar-, Radar- und Lidar-Streams) zu verarbeiten, wird sein erster Anwendungsfall die Schaffung eines hochintelligenten Anti- Kollisionsradarsystem für Drohnen, das viel effektiver auf sich nähernde Objekte reagieren kann.

Künstliche Neuronale Netze (KNN) sind bereits in einer Vielzahl von Anwendungsdomänen etabliert. Sie sind beispielsweise ein wesentlicher Bestandteil der in der Automobilindustrie üblichen Radar-basierten Antikollisionssysteme. Aber KNN haben Einschränkungen. Zum einen verbrauchen sie zu viel Strom, um in immer eingeschränktere (Sensor-)Geräte integriert zu werden. Darüber hinaus erfordert die zugrunde liegende Architektur und Datenformatierung von KNN, dass Daten einen zeitaufwändigen Weg vom Sensorgerät zum KI-Inferenzalgorithmus zurücklegen, bevor eine Entscheidung getroffen werden kann. Hier können Spiking Neural Networks (SNNs) helfen.

„Heute präsentieren wir den weltweit ersten Chip, der Radarsignale mithilfe eines rekurrenten neuronalen Spiking-Netzwerks verarbeitet“, sagt Ilja Ocket, Programmmanager für Neuromorphic Sensing bei imec. „SNNs funktionieren sehr ähnlich wie biologische neuronale Netze, in denen Neuronen im Laufe der Zeit nur spärlich elektrische Impulse abfeuern und nur dann, wenn sich der sensorische Input ändert. Dadurch kann der Energieverbrauch deutlich gesenkt werden. Darüber hinaus können die Spiking-Neuronen auf unserem Chip wiederkehrend verbunden werden – so wird das SNN zu einem dynamischen System, das zeitliche Muster lernt und sich daran erinnert. Die Technologie, die wir heute einführen, ist ein großer Fortschritt in der Entwicklung wirklich selbstlernender Systeme.“

Imec sagte, dass sein Chip ursprünglich entwickelt wurde, um Elektrokardiogramme (EKG) und Sprachverarbeitung in Geräten mit eingeschränkter Leistung zu unterstützen. Seine generische Architektur, die auf einem völlig neuen digitalen Hardware-Design basiert, bedeutet, dass es auch leicht umkonfiguriert werden kann, um eine Vielzahl anderer sensorischer Eingaben wie Sonar-, Radar- und Lidar-Daten zu verarbeiten. Im Gegensatz zu analogen SNN-Implementierungen bewirkt das ereignisgesteuerte digitale Design von imec, dass sich der Chip genau und wiederholt so verhält, wie es von den Simulationstools für neuronale Netzwerke vorhergesagt wurde.

Intelligentes Antikollisionssystem mit geringem Stromverbrauch für Drohnen (und Autos)

Eine Schlüsselanwendung für den neuen imec-Chip ist ein Antikollisionssystem mit geringer Latenz und geringem Stromverbrauch für Drohnen. Die Drohnenindustrie arbeitet – noch mehr als der Automobilsektor – mit eingeschränkten Geräten (z. B. begrenzte Batteriekapazität), die schnell auf Veränderungen in ihrer Umgebung reagieren müssen, um auf sich nähernde Hindernisse angemessen reagieren zu können. Durch seine Verarbeitung in der Nähe des Radarsensors soll der Chip es dem Radarsensorsystem ermöglichen, sich nähernde Objekte viel schneller – und genauer – zu unterscheiden. Imec wiederum sagte, dass dies Drohnen ermöglichen wird, fast sofort auf potenziell gefährliche Situationen zu reagieren.

Ocket kommentierte:„Ein Szenario, das wir derzeit untersuchen, umfasst autonome Drohnen, die für die Navigation im Lager von ihren Kamera- und Radarsensorsystemen an Bord abhängig sind und einen sicheren Abstand zu Wänden und Regalen halten, während sie komplexe Aufgaben ausführen. Diese Technologie könnte auch in vielen anderen Anwendungsfällen eingesetzt werden – von Robotik-Szenarien über den Einsatz von fahrerlosen Transportfahrzeugen (FTS) bis hin zur Gesundheitsüberwachung.“ Der Chip erfüllt die Nachfrage nach stromsparenden neuronalen Netzwerken, die aus Daten lernen und personalisierte KI ermöglichen. Bei der Entwicklung des Chips hat imec Experten aus verschiedenen Disziplinen des Forschungsinstituts zusammenarbeiten lassen – von der Entwicklung von Trainingsalgorithmen und Spiking-Architekturen neuronaler Netze auf Basis der Neurowissenschaften über die biomedizinische und Radarsignalverarbeitung bis hin zum Design von digitalen Ultra-Low-Power-Chips .

>> Dieser Artikel wurde ursprünglich veröffentlicht am unsere Schwesterseite EE Times Europe.