如何讓IoT應用得以從芯片自我學(xué)習中受益

比利時(shí)研究機構Imec認為，相較于使用神經(jīng)網(wǎng)絡(luò )，基于電阻和磁內存單元數組的機器學(xué)習加速器更有助于降低成本和功耗。例如，在其最初的研究結果顯示，磁阻式隨機存取內存（MRAM）數組可讓功率降低兩個(gè)數量級。

但這項具有前景的開(kāi)發(fā)工作仍處于初期階段。Imec預計要到今年稍晚提出專(zhuān)利申請后，才會(huì )發(fā)布更多有關(guān)該芯片的架構及其性能等細節。該研究機構從一年半以前開(kāi)始組成機器學(xué)習小組，期望擴展在其核心任務(wù)——芯片制程技術(shù)以外的更多相關(guān)研究。

在今年的Imec技術(shù)論壇（ITF2017）開(kāi)幕當天，研究人員們率先發(fā)布這款芯片，同時(shí)也介紹其于低功耗眼動(dòng)追蹤系統的最新進(jìn)展，以及一款可為義肢提供更高階觸覺(jué)反饋的植入式芯片。

在自我學(xué)習分類(lèi)任務(wù)方面，采用MRAM單元的Imec數組具有更高100倍的能源效率。Imec半導體技術(shù)與系統執行副總裁An Steegen表示：「整體而言，使用新興內存比基于CMOS的機器學(xué)習架構更節能?！?/p>

另一款芯片采用基于金屬氧化物電阻式隨機存取內存（ReRAM）的單元數組，Imec研究人員們稱(chēng)之為‘OxRAM’。 這款65nm的芯片經(jīng)由取得40首古典長(cháng)笛樂(lè )曲上的資料，學(xué)會(huì )了預測模式，然后再根據所學(xué)習的模式自行創(chuàng )作音樂(lè )。

新興內存的優(yōu)點(diǎn)在于能讓數據位儲存在同一個(gè)單元中，從而實(shí)現最小的晶粒尺寸。這種方法讓Imec更加期望有一天能將其整合于傳感器節點(diǎn)中，讓物聯(lián)網(wǎng)（IoT）應用得以從自我學(xué)習中受益。

圖1：Imec的自我學(xué)習芯片可望為成本和功耗受限的IoT節點(diǎn)帶來(lái)機器學(xué)習功能 （來(lái)源：Imec）

該芯片需要許多數組的層級架構以執行有利的工作。但 Imec尚未透露這款芯片上的數組大小。

負責這項開(kāi)發(fā)計劃的Praveen Raghavan說(shuō)：「OxRAM一直用于內存儲存，但我們想將它用于兩個(gè)對象之間的隨機鏈接。該展示以饋入編碼機制作為輸入，并提供可能的預測，饋入地址并讀取預測作為輸出數據?！?/p>

「其優(yōu)點(diǎn)在于能實(shí)現極其密集的自我學(xué)習芯片——相形之下，IBM的True North的占位面積太大了。而且，這款極高密度且極低功耗的芯片是可以大量制造的，」他補充說(shuō)。

雖然不完全是神經(jīng)網(wǎng)絡(luò )，但這種技術(shù)在應用方面類(lèi)似于可預測事件序列的長(cháng)短期記憶（LSTM）網(wǎng)絡(luò )。他說(shuō)：「相較于LSTM加速器需要更多的數據以及一款用于訓練的較大GPU，這款OxRAM芯片的成本比更低?！?/p>

OxRAM途徑也適用于像生成對抗網(wǎng)絡(luò )（GAN）等應用；GAN是一種新興的技術(shù)，讓神經(jīng)網(wǎng)絡(luò )之間互相對抗，以加快學(xué)習速度。

義肢觸覺(jué)與眼動(dòng)追蹤技術(shù)

此外，Imec還開(kāi)發(fā)了具有128個(gè)記錄電極和32個(gè)刺激電極的植入式神經(jīng)芯片硬件，可實(shí)現較現有裝置更多10倍的觸點(diǎn)數。這款芯片如今正在進(jìn)行動(dòng)物試驗，期望能提供較現有義肢更明顯有效的控制與觸覺(jué)反饋。

這款芯片能夠以數百毫秒（ms）的速度在大腦和義肢之間傳送訊號。雖然比人類(lèi)的神經(jīng)傳導速度更慢，但較當今的義肢所要求的秒數更快。

圖2：植入式芯片承諾更快的訊號傳送速度，從而實(shí)現更有效的義肢控制

然而，Imec至今僅開(kāi)發(fā)了硬件原型，尚未對于軟件進(jìn)行優(yōu)化。隨著(zhù)導線(xiàn)數量持續增加，未來(lái)可能會(huì )產(chǎn)生明顯的延遲。

該計劃是Imec與美國佛羅里達大學(xué)（University of Florida）合作的一部份，該?，F正進(jìn)行美國國防部先進(jìn)研究計劃署（DARPA）的一項研究計劃。

最后，Imec并展示提供眼動(dòng)追蹤技術(shù)的眼鏡，其方式是在眼睛周?chē)O測人腦與神經(jīng)訊號。截至目前為止，該系統的準確度還比不上目前基于攝影機的眼動(dòng)追蹤技術(shù)。不過(guò)，它更有助于大幅降低成本與功耗。