Geïnspireerd door kerkuilen, hebben onderzoekers een innovatief lokalisatiesysteem ontwikkeld dat ultramoderne sensoren combineert met een neuromorfe computerkaart op basis van resistief willekeurig toegankelijk geheugen (RRAM).

Nu we het tijdperk van doordringend computergebruik ingaan, worden steeds meer van onze alledaagse voorwerpen ingebed met microprocessors om ons leven soepel te laten verlopen. Om dit te bereiken, moeten deze systemen continu werken en minimale energie verspillen, terwijl ze tegelijkertijd nuttige en compacte informatie extraheren uit luidruchtige en vaak onvolledige gegevens die in realtime van verschillende sensoren zijn vastgelegd. Dankzij hun in-memory, gebeurtenisgestuurde computermogelijkheden, bieden hybride memristieve complementaire metaaloxide-halfgeleider (CMOS) neuromorfische architecturen een ideaal hardwaresubstraat voor dergelijke taken.

Onderzoekers die gedeeltelijk werden ondersteund door het MeM-Scales-project, wilden het volledige potentieel van een dergelijk systeem demonstreren. Daartoe ontwikkelden ze een bio-geïnspireerd, gebeurtenisgestuurd objectlokalisatiesysteem dat geavanceerde piëzo-elektrische micro-machinale ultrasone transducer (PMUT) -sensoren koppelt aan een neuromorfe computerkaart op basis van RRAM. Hun paper gepubliceerd in het tijdschrift Nature Communications beschrijft hoe de voorgestelde neuromorfische benadering het mogelijk heeft gemaakt om het energieverbruik met vijf ordes van grootte te verminderen in vergelijking met conventionele lokalisatiesystemen op basis van microcontrollers.

Geïnspireerd door de natuur

Inspiratie voor het systeem werd gehaald uit de neuroanatomie van de kerkuil. "Onze voorgestelde oplossing is een eerste stap in het demonstreren van het concept van een biologisch geïnspireerd systeem om de efficiëntie van de berekening te verbeteren", merkt senior auteur Dr. Elisa Vianello op in een nieuwsbericht op EE Times. "Het baant de weg naar complexere systemen die nog geavanceerdere taken uitvoeren om problemen uit de echte wereld op te lossen door informatie te combineren die is geëxtraheerd uit verschillende sensoren.

"We stellen ons voor dat een dergelijke benadering om een ​​bio-geïnspireerd systeem te bedenken de sleutel zal zijn om de volgende generatie edge AI-apparaten te bouwen, waarin informatie lokaal en met minimale middelen wordt verwerkt. In het bijzonder zijn we van mening dat kleine dieren en insecten een geweldige bron van inspiratie voor een efficiënte combinatie van sensorische informatieverwerking en berekening. Dankzij de nieuwste technologische ontwikkelingen kunnen we innovatieve sensoren koppelen aan geavanceerde op RRAM gebaseerde berekeningen om ultra-low-power systemen te bouwen", zegt Dr. Vianello, die is senior wetenschapper bij het elektronica- en informatietechnologielaboratorium CEA-Leti van MeM-Scales-projectcoördinator French Alternative Energies and Atomic Energy Commission in Frankrijk.

Het onderzoeksteam voerde metingen uit aan het systeem dat bestaat uit op RRAM gebaseerde coïncidentiedetectoren, vertragingslijncircuits en een volledig op maat gemaakte ultrasone sensor. Ze gebruikten de experimentele resultaten om de simulaties op systeemniveau te kalibreren. Deze simulaties werden vervolgens gebruikt om de hoekresolutie en energie-efficiëntie van het objectlokalisatiemodel te schatten. De resultaten toonden een veel grotere energie-efficiëntie dan een microcontroller die dezelfde taak uitvoert. "Het doel is, zoals altijd, om de beste energie-efficiëntie te krijgen voor het prestatieniveau dat nodig is voor een specifieke toepassing. Verdere verbeteringen in energie-efficiëntie zijn zeker mogelijk met ons systeem", merkt Dr. Vianello op.

De studie toont aan dat het combineren van visuele sensoren zoals dynamische vision-sensorcamera's met een PMUT-gebaseerde gehoorsensor moet worden onderzocht om toekomstige consumentenrobots te ontwikkelen. Het MeM-Scales (Memory technologies with multi-scale time constants for neuromorphic architectures) project loopt af in juni 2023. + Verder verkennen

Een in-memory computersysteem gebaseerd op gestapelde 3D resistieve geheugens