ニューロモーフィックエンジン搭載ローリングロボット、消費電力を99.75%削減

モーションデザイン INSIDER

機械工学博士課程学生のXiaoqiu An氏を、ターゲット（鉄棒の先の赤い段ボール）で誘導しながらローリングロボットが追従。（画像：Mingze Chen、ナノエンジニアリング・ナノデバイス研究室、ミシガン大学）

生物学的ニューロンと同様に、情報を同じ場所で処理・保存するハードウェアでアナログコンピューティングがカムバックしています。ミシガン大学で実証された、より小型、より軽量、よりエネルギー効率の高いコンピュータは、自律ドローンとローバーの重量と電力を節約し、自律走行車両全般への影響を持つ可能性があります。

Science Advances誌に掲載された研究によると、この自律コントローラは報告されている中で最低レベルの電力要件の一つで動作します。わずか12.5マイクロワットで動作——ペースメーカー並みです。テストでは、このコントローラを使用したローリングロボットが、従来のデジタルコントローラと同じ速度と精度で、廊下をジグザグに動くターゲットを追跡できました。2回目の試験では、自動的に再配置されるレバーアームを用いて、新しいコントローラも同様に良好に動作しました。

「この研究は、ニューラルネットワークアーキテクチャで効率的に計算できるハードウェアプラットフォーム向けに設計された画期的なナノエレクトロニクスデバイスを紹介するものです」と、ミシガン大学機械工学教授、研究の責任著者であるXiaogan Liang氏。

高効率と小型化は、ドローンや宇宙ローバーのように重量とエネルギーがプレミアムな用途で特に重要です。しかし、従来の自律走行車両もこの技術の恩恵を受ける可能性があります。先行研究によると、年間10億時間の自律走行車両走行時間は、世界中のデータセンターの総消費電力を超える可能性があります。

デジタルの低消費電力と高精度のためにほぼ放棄されていたアナログコンピューティングが、ありそうもないヒーローに見えるかもしれませんが、比較的新しい回路素子がゲームを変えています。1971年に提案され、2008年に初めて実証されたメモリスタは、電気抵抗に情報を記憶します。電圧にさらされると、次の信号に課す抵抗量を減らします。一部のメモリスタは時間とともに前の信号を忘れ、元の抵抗に戻ります。これはニューロンの弛緩に似た振る舞いです。これがLiangチームが構築したタイプです。

すでにニューラルネットワークのように機能するため、メモリスタネットワークは従来のトランジスタベースコンピュータよりもはるかに効率的に人工ニューラルネットワークとして機能できます。さらに、それ自体がアナログであるセンサとアクチュエータに対して、アナログのまま処理を維持することで、アナログとデジタル間の信号変換エネルギーコストを節約できます。

チームは、ミシガン大学Lurieナノファブリケーション施設で、直径約30ミクロンの金メッキアームをシリコンチップ上でこすることでメモリスタ回路を構築しました——風船を髪でこすって静電気で壁に張り付くようにするのと似ています。電気的電荷が気化したビスマスセレナイドを、ティックタックトゥーボードのように配置された8本の交差するライン（約15ナノメートル厚）に沿って蓄積させました。その後、各ラインの端にチタンと金の電極をメッキしました。

一方の電極から信号を注入し、チップの反対側の5つの電極で読み出します。それぞれがニューロンを表します。研究では、ローリングロボットのカメラデータがシリコンプロセッサでアナログ信号に変換されてからメモリスタネットワークを通過しました。同様にレバーアームでは、アーム位置データがシリコンプロセッサを通じてメモリスタネットワークに入り、接続されたドローンローターを駆動してアームを正しい位置まで持ち上げる指示の基盤を生成しました。

「我々のようなデバイスは、ロボットに人間のような直感的な振る舞いを持たせる可能性があります。例えば、非常に熱いお湯に触れて手を引っ込めるような仕組みです。制御応答の精度は劣るかもしれませんが、非常に高速になり得ます」と、機械工学で最近博士号を取得したMingze Chen氏。

「エッジコンピューティングとは、情報が処理のためにデータセンターに移動する必要がないことを意味します。私たちの手と腕の神経と筋肉が、情報を脳に送らずに反応できるのと同じです。エッジコンピューティングは、データ送信に時間とエネルギーを費やさないため、より高速で、より低消費電力になり得ます。」

出典

トランスクリプト

この動画のトランスクリプトは利用できません。