返回 登录
0

ISSCC上的微型计算机:体积更小、功耗更少、算力更强

原文:Speck-Size Computers: Now With Deep Learning

计算机科学家David Blaauw从他的包里拿出一个小塑料盒,小心地用手指甲从中夹起一个小黑方块,放在酒店的咖啡桌上。这是世界上最小的电脑之一,体积只有1立方毫米。我必须小心翼翼不能咳嗽或打喷嚏,以免它被吹走,或者被扫入垃圾桶。

图片描述

Blaauw和他的同事Dennis Sylvester(两人同为IEEE Fellow和密歇根大学的计算机科学教授)在二月份于旧金山举办的IEEE国际固态电路会议(ISSCC)上发表了与这些“微型计算机”相关的10篇论文。他们近几年来不断研发出各种不同的微型设备。

他们的Michigan Micro Mote(M3)计划的总体目标是为医疗设备和物联网制造更智能、更小的传感器,从而能够以更少的能量消耗做更多的事情。


如何处理一万亿个设备产生的数据


麦克风、摄像机以及其他传感器构成了智能设备的“眼睛”和“耳朵”。它们必须保持实时在线,并且经常将本地数据发送到云端,因为它们无法自己进行复杂的分析计算。有人预测到2035年,将有1万亿这样的设备。Blaauw说:“如果有一万亿台设备不断产生数据,人类将会被数据淹没。” Blaauw和Sylvester希望通过开发能够在板上进行分析的小型,高效能计算传感器,使这些设备更安全、更节能、同时占用更低的带宽。

在ISSCC,他们阐述了功率仅为几纳瓦的微型计算机,来执行例如区分过往车辆的声音、测量温度和光照水平等任务。 还展示了一个紧凑型收音机,可以将数据从小型计算机发送到距离20米远的接收机,与去年报道的50厘米的范围相比,进步显著。 他们还介绍了与台积电(台积电制造有限公司)在设备中嵌入闪存的合作,并介绍了专用的低功耗硬件,用于运行基于深神经网络的人工智能算法。

Blaauw和Sylvester说,他们采取一整套的措施来实现这些新功能,并且不增加功耗。 Sylvester表示,没法用一个简明的表述来解释他们是怎样做到的。如果有,那就是“智能电路设计”,Blaauw补充道。

Sylvester说,内存研究是一个很好的例子来说明正确的权衡可以提高性能。 以前的微型计算机使用8千字节的SRAM(静态RAM),这样计算机性能必然是差的。要录制视频和声音,微型计算机需要更多的内存。 所以团队与台积电合作在电路中嵌入闪存(Flash)。现在他们可以制造1兆字节内存的小型计算机了。

Flash可以比SRAM占用更小的空间存储更多的数据,但是写入内存需要大量的电能。 他们的团队和台积电一道设计了一个新的内存阵列,使用更高效的电荷泵进行写入过程。 这个存储器阵列相比于台积电的商业产品密度稍低一点,但仍比SRAM强得多。西尔维斯特说:“我们通过小的折中获取了大的收益。”


功耗仅为288微瓦的神经网络处理器


他们在ISSCC上提出的另一个微型计算机包含一个深度学习的处理器,可以使用仅仅288微瓦电进行神经网络计算。 神经网络是在面部和语音识别等任务中表现良好的人工智能算法。 它们通常需要大量内存和强大的处理能力,因此它们通常运行在配以高级GPU的服务器集群上。 一些研究人员一直在试图通过专门设计用于运行这些算法的专用硬件来减小深入学习的内存和功耗需求。 但即便如此,这些处理器仍然使用超过50毫瓦的功率——对于微型计算机来说仍然太多。 密歇根大学的团队通过重新设计芯片架构来降低功耗要求,例如通过将四个处理器件置于存储器(在这种情况下为SRAM)中,以最小化数据移动。

目前的理念是要把神经网络植入物联网。 Blaauw说:“很多运动检测相机会拍到被风吹动的树枝,这是没有意义的。” 安防摄像机和其他连接的设备不够智能,无法识别盗贼和树木之间的区别,因此它们浪费能量,将无意义的图像发送到云端进行分析。 板载深度学习处理器可以做出更好的决策,前提是它们不使用太多的电能。 密歇根大学团队认为,除了安防系统之外,深度学习的处理器可以集成到许多其他物联网应用中。 例如,如果中央空调系统看到多个人穿上大衣,可以决定将空调关闭。

在学术界展示了这些微型计算机的多种应用之后,密歇根大学团队希望在几年内将产品推向市场。 Blaauw和Sylvester说,他们的创业公司CubeWorks目前正在进行原型生产和市场研究。 该公司在2013年底悄然启动。去年10月,英特尔投资公司宣布给予这家公司一笔数额未公开的投资。


图片描述

图片描述

评论