Нейроморфный движок питает катящегося робота, снижая потребление энергии на 99,75%

Motion Design INSIDER

Катящийся робот следует за Сяоцзю Ань, аспирантом механической инженерии, навигируемый целью: красный кусок картона на стальной палке. (Изображение: Минцзе Чен, Лаборатория наноинженерии и наноустройств, Мичиганский университет)

Ренессанс аналоговых вычислений

Аналоговые вычисления возвращаются с аппаратным обеспечением, которое обрабатывает и хранит информацию в одном месте, подобно биологическим нейронам. Меньший, легкий и более энергоэффективный компьютер, продемонстрированный в Мичиганском университете, может помочь сэкономить вес и энергию для автономных дронов и роверов, с последствиями для автономных транспортных средств шире.

Автономный контроллер имеет среди самых низких требований к мощности, сообщенных по состоянию на сегодня, согласно исследованию, опубликованному в Science Advances. Он работает на всего 12,5 микроватт — в районе кардиостимулятора. В их тестировании катящийся робот, использующий контроллер, смог преследовать цель зигзагами по коридору с той же скоростью и точностью, что и с обычным цифровым контроллером. Во втором испытании, с рычагом, автоматически репозиционирующимся, новый контроллер справился так же хорошо.

«Эта работа вводит передовой наноэлектронный прибор, предназначенный для аппаратных платформ, способных эффективно вычислять с нейронно-сетевыми архитектурами», — сказал Сяоган Лян, профессор механической инженерии U-M и соответствующий автор исследования.

Высокая эффективность и миниатюризация особенно важны для приложений вроде дронов и космических роверов, где и вес, и энергия на премиуме. Однако обычные автономные автомобили также могут выиграть от технологии. Миллиард часов времени автономного вождения в год может потреблять больше энергии, чем сегодняшние центры обработки данных вместе взятые, согласно предыдущим исследованиям.

Мемристоры: ключ к эффективности

Аналоговые вычисления, практически брошенные за цифровыми за их более низкое потребление энергии и высокую точность, могут казаться маловероятным героем — но относительно новый элемент цепи меняет игру. Мемристор, предложенный в 1971 и впервые продемонстрирован в 2008 году, хранит информацию в своем электрическом сопротивлении. Когда он экспонируется напряжению, он уменьшает количество сопротивления, которое он наложит на следующий сигнал. Некоторые мемристоры могут забывать предыдущие сигналы со временем и возвращаться к своему исходному сопротивлению, поведение, похожее на релаксацию в нейронах. Именно этот тип построила команда Ляна.

Поскольку они уже функционируют очень похоже на нейронные сети, мемристорные сети могут функционировать как искусственные нейронные сети намного эффективнее, чем обычные транзисторные компьютеры. Кроме того, для сенсоров и актуаторов, которые сами аналоговые, сохранение обработки аналоговой экономит энергозатраты на конвертацию сигналов между аналоговым и цифровым.

Фабрикация и тестирование

Команда построила свои мемристорные цепи в Lurie Nanofabrication Facility в U-M, тертя золотой наконечник, примерно 30 микрон в диаметре, по кремниевому чипу — как терть шарик на волосах, чтобы он прилип к стене статическим электричеством. Электрические заряды затем направили испаряющийся селенид висмута накапливаться вдоль восьми перекрестных линий около 15 нанометров толщиной, расположенных похоже на крестики-нолики. Затем они наложили электроды титана и золота на концы каждой линии.

Они инъецировали сигналы через один электрод и считывали их на пяти электродах на другой стороне чипа, каждый представляющий нейрон. В исследовании камерные данные от катящегося робота должны были быть конвертированы в аналоговые сигналы в кремниевом процессоре перед запуском через мемристорную сеть. Аналогично, для рычага данные о позиции рычага шли в мемристорную сеть через кремниевый процессор, и она производила основы инструкций для запуска прикрепленного дрон-ротора для подъема рычага к правильной позиции.

«Устройства вроде наших могут позволить роботам иметь интуитивное поведение как люди, способ, которым вы можете коснуться очень горячей воды и отдернуть руку. Ответ управления может быть менее точным, но он может быть очень быстрым», — сказал Минцзе Чен, недавний Ph.D. выпускник механической инженерии.

«Пограничные вычисления означают, что информация не должна путешествовать в центр обработки данных для обработки, как нервы и мышцы в нашей руке и локте могут реагировать без отправки информации в наш мозг. Пограничные вычисления могут быть быстрее, с более низким потреблением энергии, потому что мы не тратим время и энергию на передачу данных».

Источник

Транскрипт

Транскрипт для этого видео недоступен.