新闻  |   论坛  |   博客  |   在线研讨会
港理工科学家发明近传感器计算与传感器内计算技术,让边缘计算更“轻快稳健” | 专访
深科技 | 2021-01-09 17:42:38    阅读:2522   发布文章

提到边缘计算,也许你感到很晦涩,但对于章鱼你肯定不陌生。


章鱼是一种无脊椎动物,浑身布满神经元,但是它的脑部只有 40% 的神经元,剩下的 60% 神经元在八条腿(腕足)上。这等于章鱼拥有 “多个小脑 + 一个大脑”,这样的分布式结构使得它在捕猎时非常敏捷,腿部得到信号即可就近捕猎。

 

而边缘计算的结构和章鱼很相似,它是一种分布式计算,得到信息后无需把大量数据上传到远端管理平台,直接可以就近处理。


而说到边缘计算,就不得不提传感器。当前的传感器网络中,节点数量增长非常迅速,传感器终端和计算单元之间交换着大量冗余数据,如何在处理大量数据的同时、还能降低功耗,是边缘计算亟待解决的难题。


针对此,近日香港理工大学应用物理学系副教授柴扬发表在《自然・电子学》上题的论文《近传感器计算与传感器内计算》(Near-Sensor and In-Sensor Computing),创造性地提出了近传感器计算与传感器内计算的方法。 

柴扬告诉 DeepTech,近传感器计算与传感器内计算的方法,可减少传感器终端和计算单元之间的冗余数据移动。而计算任务被部分转移到传感器终端后,能减少能耗和时间延迟,还可节省通信带宽并增强数据安全性和隐私性。


不同架构,不同级别


谈及一些情况下把数据处理放在传感器端更好的原因,柴扬解释称,物联网传感器收集到的数据基本都是非结构性的,因此数据必须要先做处理。而一个完整的传感系统既需要有传感器,又需要有运算器。但实际上,传感器的制造工艺和运算器的制造工艺很不一样。以图像传感器为例,用 65 纳米的节点已是非常先进的工艺;而如果要做运算,目前最先进的半导体工艺已经发展到 5 纳米节点。


此外,传感器和运算器通常采用不同工艺制造,然后组装为一个完整的系统,两者在系统中的距离较远,更多情况是传感器收集数据,上传到云端后做计算处理。那么在哪些情况下,把数据处理放在传感器端比在云端更好呢?


柴扬表示,这主要出于两个刚性需求考量:第一个考量是功耗,传感器一般是靠电池来供电,因为电量受限,所以不能做太复杂的运算,复杂运算一般都要上传到云端做进一步处理;第二个考量是时间,也就是实时处理。


比如,自动驾驶对延时非常敏感,如果传到云端处理再传回来,会给安全驾驶带来很大挑战。因此,比较简单且对时间敏感的数据处理,放在传感器端比放在云端更好。一般来说,传感器和计算单元的材料不同,因此它们的功能、结构、设计和处理系统都不同。


在传统的感觉计算架构中,传感器和计算单元在物理空间上是分开的,它们之间有较远的物理距离。而在近传感器计算和传感器内计算架构中,传感器和计算单元之间的距离通常会显著减少或消除。比如,在近传感器计算架构中,前端处理单元被放置在传感器旁边,这意味着处理单元可提高系统整体性能,并最大限度减少冗余数据传输;在传感器内计算架构中,单个传感器或多个连接的传感器可直接处理收集到的信息,这样的设计可将传感和计算功能结合在单一器件中。



柴扬表示:“近传感器计算面临的一大挑战是传感单元和计算单元的集成。例如,计算单元已经采用了非常先进的技术节点,而大多数传感基于大节点技术就可以很好地执行它们的功能。近传感器计算的集成技术包括异质集成、3D 单片集成、片上系统集成和 2.5D Chiplet 技术等,其中 3D 单片集成提供了一种高密度、短距离的系统集成方法,但是其复杂的制备工艺和散热仍面临巨大挑战。”


虽然传感器内计算架构已被证明是结合计算和传感能力的方法,但它们通常只适用于特定场景。此外,它们只能通过处于早期开发阶段的新材料和新器件结构来实现。“近传感器计算和传感器内计算是一个跨学科的研究领域,涵盖材料、器件、电路、架构、算法和集成技术,” 柴扬说,“这些架构很复杂,因为它们需要在不同场景中处理大量不同类型的信号。近传感器计算和传感器内计算的成功部署,需要传感器、设备、集成技术和算法的共同开发和共同优化。”


在本次研究中,该团队为近传感器计算和传感器内计算提供了清晰定义,他们将信息处理分为低级处理和高级处理。低级处理,即通过抑制不必要的噪声或失真,或通过增强进一步处理的特征,从大量原始数据中有选择性地提取有用数据;高级处理,即抽象表示,这涉及到认知过程,其能识别输入信号是 “什么” 或 “在哪里”。最后,除了为近传感器计算和传感器内计算提供可靠的定义之外,研究人员还提出了实现集成传感和处理单元的可能解决方案。在未来,他们的工作可以激发进一步的研究,旨在利用先进的制造技术、实现这些架构或硬件组件。


实际应用,尚有距离


也就是说,近传感器与传感器内计算方法,是实现智能传感处理高效硬件的一种可能途径。在传感器端处直接处理数据,可提供改进的面积、时间和能量效率,并在实时和数据密集型应用中特别有益。


然而,在传感器附近实现低级和高级的处理功能,需要开发先进的集成技术和新的计算算法;在传感器内实现计算还需要开发具有新功能和新机制的设备、以及合适的算法。


虽然在传感器计算方面显示出潜力,但目前大多数设备都处于研究开发的早期阶段,由于功能有限,仅限于特定的应用场景。此外,到目前为止,对于完整处理和与外围控制的大规模集成只有有限的演示,而这对于传感器处理架构的未来至关重要。同时,柴扬告诉 DeepTech,自动驾驶应该是比较好的切入口,一旦突破现在的 “瓶颈”,就可能会有更多的新的应用产生。


上海有一家叫芯仑科技的公司,他们研发的动态视觉传感器(Dynamic Vision Sensor,DVS)就是应用在车辆上,采集图像、然后做一些实时的分析。他们在这个领域做得是比较好的,用得就是近传感器计算(Near-Sensor Computing),已经非常接近实用,在国内也是比较领先的。尽管柴扬团队目前工作重心主要集中在视觉传感器上,但是近传感器与传感器内计算方法也可以扩展到其他种类的传感器,如听觉、触觉、味觉信号、化学信号甚至生物信号的传感器。


玉汝于成,不忘初心


柴扬于香港科技大学电子工程系获得博士学位;之后在斯坦福大学开展博士后研究;后面在香港理工大学继续电子器件方向的研究。


在谈到成果落地的问题时,柴扬也提到,香港高校中有的老师做得非常成功,比如大疆创新、商汤科技和晶科电子都是从香港高校孵化出来的。谈及此,柴扬也表示了对粤港澳大湾区未来发展的期待,“现在国家针对大湾区提出了一些新的政策,香港政府也推出了一系列的支持科创政策,整个科创生态肯定能够变得更好一些,虽然这个过程可能是相对漫长的,希望最后的研究结果能够解决目前存在的一些科学工程问题,可以产生一些切实可用的东西。 ”



*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。

参与讨论
登录后参与讨论
推荐文章
最近访客