Bioinspiriertes Gerät reduziert den Stromverbrauch drastisch
Die Ära der allgegenwärtigen Datenverarbeitung beginnt und immer mehr Alltagsgegenstände werden mit Mikroprozessoren ausgestattet, um uns das Leben zu erleichtern. Dafür müssen diese Systeme dauerhaft bei minimalem Energieverbrauch laufen. Gleichzeitig müssen sie nützliche und kompakte Informationen aus verrauschten und meist unvollständigen Daten von mehreren Sensoren in Echtzeit extrahieren. Dank ihrer ereignisgesteuerten In-Memory-Datenverarbeitung stellen hybride memistrive neuromorphe Architekturen mit komplementären Metalloxid-Halbleitern (CMOS) die ideale Hardware für solche Aufgaben dar. Forschende nahmen sich nun mit Unterstützung des EU-finanzierten Projekts MeM-Scales vor, das volle Potenzial dieser Systeme zu demonstrieren. In diesem Sinne entwickelten sie ein bioinspiriertes, ereignisgesteuertes Objektlokalisierungssystem, das fortschrittliche piezoelektrische mikrobearbeitete Ultraschallwandlersensoren (PMUT) mit einer neuromorphen Computerkarte auf der Grundlage von RRAM kombiniert. In ihrer Arbeit, die in der Fachzeitschrift „Nature Communications“ veröffentlicht wurde, beschreiben sie, wie der vorgeschlagene neuromorphe Ansatz den Stromverbrauch um fünf Größenordnungen senken könnte im Vergleich zu herkömmlichen Lokalisierungssystemen mit Mikrocontrollern.
Inspiriert von der Natur
Die Inspiration für das System fanden sie in der Neuroanatomie von Schleiereulen. „Die von uns vorgeschlagene Lösung ist ein erster Schritt, das Potenzial biologisch inspirierter Systeme bezüglich der Effizienz der Datenverarbeitung aufzuzeigen“, merkt die leitende Autorin Dr. Elisa Vianello in einer Pressemitteilung auf „EE Times“ an. „Sie ebenen den Weg für komplexere Systeme, die anspruchsvollere Aufgaben bewältigen, um reale Probleme durch die Verarbeitung der Daten von verschiedenen Sensoren zu lösen. Wir denken, dass der Ansatz eines bioinspirierten Systems der Schlüssel dafür sein wird, die nächste Generation der Edge-KI-Geräte zu bauen, die Daten lokal und mit minimalem Ressourcenverbrauch verarbeiten. Insbesondere Kleintiere und Insekten sind unserer Ansicht nach eine großartige Inspirationsquelle für die effiziente Kombination der Verarbeitung von Sensordaten und deren Berechnung. Dank der neuesten technologischen Fortschritte können wir innovative Sensoren mit fortschrittlicher, RRAM-basierter Datenverarbeitung kombinieren, um Systeme mit extrem geringem Stromverbrauch zu konzipieren“, merkt Dr. Vianello an, leitende Wissenschaftlerin im Labor CEA-Leti für Elektronik und Informationstechnologie der französischen Kommission für alternative Energien und Atomenergie, dem Projektkoordinator von MeM-Scales. Das Forschungsteam führte Messungen des Systems durch, das aus RRAM-basierten Koinzidenzdetektoren, Verzögerungsschaltungen und einem maßgeschneiderten Ultraschallsensor besteht. Anhand der Ergebnisse des Experimentes kalibrierten sie die Simulationen auf Systemebene. Mit diesen Simulationen wurde dann die Winkelauflösung und Energieeffizienz des Objektlokalisierungsmodells berechnet. Die Ergebnisse zeigten eine viel höhere Energieeffizienz, als Mikrocontroller bei der gleichen Aufgabe aufwiesen. „Das Ziel ist es wie immer, die beste Stromeffizienz für die für eine bestimmte Anwendung notwendige Leistung zu erreichen. Weitere Verbesserungen der Energieeffizienz sind mit unserem System sicherlich möglich“, berichtet Dr. Vianello. Die Studie zeigte auf, dass die Kombination von visuellen Sensoren, wie Dynamic-Vision-Sensor-Kameras, mit einem PMUT-basierten Schallsensor weiter erkundet werden sollte, um die Verbraucherroboter der Zukunft zu entwickeln. Das Projekt MeM-Scales (Memory technologies with multi-scale time constants for neuromorphic architectures) endet im Juni 2023. Weitere Informationen: MeM-Scales-Projektwebsite
Schlüsselbegriffe
MeM-Scales, System, Energieeffizienz, Resistive Random Access Memory, RRAM, Sensor, piezoelektrische mikrobearbeitete Ultraschallwandler, PMUT