Eine Publikation der Swissprofessionalmedia AG
PDF download
Weltweit erster Spike-Chip auf Basis eines neuronalen Netzwerks für die Radarsignalverarbeitung: Ausgabe 09/2020, 12.06.2020

SNN zu einem dynamischen System gemacht

Imec präsentiert den weltweit ersten Chip, der Radarsignale mit Hilfe eines rekursiven neuronalen Netzwerks mit Spikes verarbeitet. Zu seinen Vorzeigeanwendungen gehört die Schaffung eines intelligenten Anti-Kollisionsradarsystems mit geringer Leistung für Drohnen, das sich nähernde Objekte in wenigen Millisekunden identifiziert.

Der imec-Chip ahmt die Art und Weise nach, wie Gruppen biologischer Neuronen arbeiten, um zeitliche Muster zu erkennen, und verbraucht dabei 100 Mal weniger Strom als herkömmliche Implementierungen, während die Latenzzeit um das Zehnfache reduziert wird – was eine nahezu sofortige Entscheidungsfindung ermöglicht. Beispielsweise können Mikro-Doppler-Radarsignaturen mit einer Leistung von nur 30 mW klassifiziert werden.

Grenzen überwunden
Künstliche Neuronale Netze (ANNs) haben sich bereits in einer Vielzahl von Anwendungsbereichen bewährt. Sie sind zum Beispiel ein wesentlicher Bestandteil der in der Automobilindustrie üblichen radargestützten Antikollisionssysteme. ANNs haben jedoch auch ihre Grenzen. Zum einen verbrauchen sie zu viel Leistung, um in zunehmend eingeschränkte (Sensor-)Geräte integriert werden zu können. Darüber hinaus erfordert die zugrunde liegende Architektur und Datenformatierung von ANNs, dass die Daten einen zeitintensiven Weg vom Sensorgerät zum KI-Inferenzalgorithmus zurücklegen müssen, bevor eine Entscheidung getroffen werden kann.

Ein dynamisches System
«Heute stellen wir den weltweit ersten Chip vor, der Radarsignale mit Hilfe eines neuronalen Netzwerks mit wiederkehrenden Spikes verarbeitet», sagt Ilja Ocket, Programmmanager für neuromorphe Sensoren bei imec. «SNNs funktionieren sehr ähnlich wie biologische neuronale Netzwerke, in denen Neuronen elektrische Impulse über den Zeitverlauf sparsam abfeuern, und zwar nur dann, wenn sich der sensorische Input ändert. Auf diese Weise kann der Energieverbrauch erheblich reduziert werden. Darüber hinaus können die Spikes-Neuronen auf unserem Chip immer wieder neu verbunden werden, wodurch das SNN zu einem dynamischen System wird, das zeitliche Muster lernt und sich erinnert. Die Technologie, die wir heute einführen, ist ein grosser Sprung vorwärts in der Entwicklung wirklich selbstlernender Systeme».

Ein völlig neues digitales Hardware-Design
Der neuartige Chip von Imec wurde ursprünglich zur Unterstützung des Elektrokardiogramms (EKG) und der Sprachverarbeitung in Geräten mit beschränkter Stromversorgung entwickelt. Dank seiner generischen Architektur, die ein völlig neues digitales HardwareDesign aufweist, kann er jedoch auch leicht umkonfiguriert werden, um eine Vielzahl anderer sensorischer Eingaben wie Sonar-, Radar- und Lidar-Daten zu verarbeiten. Im Gegensatz zu analogen SNN-Implementierungen sorgt das ereignisgesteuerte digitale Design von imec dafür, dass sich der Chip präzise und reproduzierbar so verhält, wie von den Simulationswerkzeugen für neuronale Netze vorhergesagt.

Ein intelligenteres Anti-Kollisionssystem mit geringer Leistung für Drohnen
Die Drohnenindustrie arbeitet – noch mehr als die Automobilbranche – mit begrenzten Systemen (z.B. begrenzte Batteriekapazität), die rasch auf Veränderungen in ihrer Umgebung reagieren müssen, um auf herannahende Hindernisse angemessen reagieren zu können. «Daher ist die Schaffung eines Anti-Kollisionssystems mit niedriger Latenz und geringer Leistung für Drohnen einer der Haupteinsatzbereiche für unseren neuen Chip. Da unser Chip seine Verarbeitung in der Nähe des Radarsensors durchführt, sollte er es dem Radar-Sensorsystem ermöglichen, viel schneller – und genauer – zwischen sich nähernden Objekten zu unterscheiden. Dies wiederum wird es den Drohnen ermöglichen, fast augenblicklich auf potenziell gefährliche Situationen zu reagieren», erklärt Ilja Ocket. «Ein Szenario, das wir derzeit untersuchen, sind autonome Drohnen, die für die Navigation im Warenlager auf ihre bordeigene Kamera und Radarsensorsysteme angewiesen sind, und die bei der Ausführung komplexer Aufgaben einen Sicherheitsabstand zu Wänden und Regalen einhalten. Diese Technologie könnte auch in vielen anderen Anwendungsfällen eingesetzt werden – von Robotik-Szenarien über den Einsatz von fahrerlosen Transportsystemen (AGVs) bis hin zur Gesundheitsüberwachung.

infoservice
imec tower
Remisebosweg 1, B-3001 Leuven
Tel. 0032 16 28 12 11
info@imec-int.com, www.imec-int.com

 



Der digitale SNN-Chip minimiert die Art und Weise, wie biologische Neuronen Sensordatenströme verarbeiten