低電力レーダーチップはスパイキングニューラルネットワークを使用します

Imecは、レーダー信号処理用の世界初のスパイキングニューラルネットワーク（SNN）ベースのチップを構築し、数ミリ秒で接近する物体を識別するドローン用のスマートで低電力の衝突防止レーダーシステムなどのアプリケーションの作成を可能にしたと主張しています

生物学的ニューロンのグループが時間的パターンを認識するように動作する方法を模倣して、imecは、そのチップが従来の実装の100分の1の電力を消費し、レイテンシーを10分の1に短縮し、ほぼ瞬時の意思決定を可能にすると述べました。たとえば、マイクロドップラーレーダーのシグネチャは、わずか30mWの電力を使用して分類できます。チップのアーキテクチャとアルゴリズムは、さまざまなセンサーデータ（心電図、音声、ソナー、レーダー、LIDARストリームなど）を処理するように簡単に調整できますが、最初の使用例には、低電力で高度なインテリジェントなアンチ接近する物体に対してはるかに効果的に反応できるドローン用の衝突レーダーシステム。

人工ニューラルネットワーク（ANN）は、すでに幅広いアプリケーションドメインで確立されています。これらは、たとえば、自動車業界で一般的に使用されているレーダーベースの衝突防止システムの重要な要素です。ただし、ANNには制限があります。 1つは、消費電力が多すぎて、ますます制約のある（センサー）デバイスに統合できないことです。さらに、ANNの基盤となるアーキテクチャとデータのフォーマットでは、データが決定を下す前に、センサーデバイスからAI推論アルゴリズムまでの時間のかかる旅を行う必要があります。そこで、スパイキングニューラルネットワーク（SNN）が役立ちます。

「本日、反復スパイキングニューラルネットワークを使用してレーダー信号を処理する世界初のチップを紹介します」と、imecのニューロモルフィックセンシングのプログラムマネージャーであるIljaOcket氏は述べています。 「SNNは生物学的ニューラルネットワークと非常によく似ており、ニューロンは時間の経過とともに電気パルスをまばらに発火し、感覚入力が変化した場合にのみ発火します。そのため、エネルギー消費量を大幅に削減できます。さらに、チップ上のスパイキングニューロンは繰り返し接続でき、SNNを時間的パターンを学習して記憶する動的システムに変えます。本日紹介するテクノロジーは、真の自己学習システムの開発における大きな飛躍です。」

Imecによると、同社のチップは当初、電力に制約のあるデバイスで心電図（ECG）と音声処理をサポートするように設計されていたという。完全に新しいデジタルハードウェア設計に基づくその汎用アーキテクチャは、ソナー、レーダー、LIDARデータなどの他のさまざまな感覚入力を処理するように簡単に再構成できることを意味します。アナログSNN実装とは異なり、imecのイベント駆動型デジタル設計により、チップはニューラルネットワークシミュレーションツールで予測されたとおりに正確かつ繰り返し動作します。

ドローン（および自動車）用のスマートな低電力衝突防止システム

新しいimecチップの主要なアプリケーションは、ドローン用の低遅延、低電力の衝突防止システムです。ドローン業界は、自動車セクターよりもさらに、接近する障害物に適切に対応するために、環境の変化に迅速に対応する必要がある制約のあるデバイス（たとえば、限られたバッテリー容量）で動作します。チップはレーダーセンサーの近くで処理を行うため、レーダーセンシングシステムが接近する物体をはるかに迅速かつ正確に区別できるようにする必要があります。次に、imecは、これによりドローンが潜在的に危険な状況にほぼ瞬時に反応できるようになると述べました。

Ocket氏は、次のようにコメントしています。「現在調査中のシナリオの1つは、倉庫内のナビゲーションを車載カメラとレーダーセンサーシステムに依存し、複雑なタスクを実行しながら壁や棚から安全な距離を保つ自律型ドローンを備えています。このテクノロジーは、ロボット工学のシナリオから無人搬送車（AGV）の配備、さらには健康状態の監視まで、他の多くのユースケースでも使用できます。」このチップは、データから学習し、パーソナライズされたAIを可能にする低電力ニューラルネットワークの需要を満たします。チップを作成するために、imecは、神経科学を基礎とするトレーニングアルゴリズムやスパイキングニューラルネットワークアーキテクチャの開発から、生物医学およびレーダー信号処理、超低電力デジタルチップ設計まで、研究所内のさまざまな分野の専門家が協力しました。 。

>>この記事はもともと姉妹サイトであるEETimesEurope。