Un dispositivo ispirato alla natura riduce il consumo di energia
Con il nostro ingresso nell’era dell’informatica pervasiva, sempre più spesso vengono incorporati microprocessori in oggetti di uso quotidiano, facilitando le nostre vite. Per raggiungere questo obiettivo, questi sistemi devono funzionare continuamente e sprecare un minimo di energia, il tutto estraendo informazioni utili e compatte da dati confusi e spesso incompleti acquisiti dai diversi sensori in tempo reale. Grazie alle loro capacità di elaborazione in memoria basate sugli eventi, le architetture neuromorfiche ibride memristive a semiconduttore a ossido di metallo complementare (CMOS) forniscono un substrato hardware ideale per tali attività. I ricercatori, supportati in parte dal progetto MeM-Scales, finanziato dall’UE, hanno deciso di dimostrare il pieno potenziale di un tale sistema. A tal fine, hanno sviluppato un sistema di localizzazione di oggetti basato su eventi e ispirato alla natura, che associa sensori di trasduttori piezoelettrici a ultrasuoni microlavorati (PMUT) avanzati con una mappa computazionale neuromorfica basata su RRAM. Il loro articolo pubblicato sulla rivista «Nature Communications» descrive come l’approccio neuromorfico proposto abbia permesso di ridurre il consumo di energia di cinque ordini di grandezza rispetto ai tradizionali sistemi di localizzazione basati su microcontrollori.
Ispirati dalla natura
Il sistema si ispira alla neuroanatomia del barbagianni. «La nostra soluzione proposta rappresenta un primo passo verso la dimostrazione del concetto di un sistema biologicamente ispirato per migliorare l’efficienza nel calcolo», osserva la dott.ssa Elisa Vianello, autrice senior dello studio, in un articolo pubblicato su «EE Times». «Apre la strada verso sistemi più complessi che svolgono attività ancora più sofisticate per risolvere problemi del mondo reale combinando le informazioni estratte da diversi sensori. Immaginiamo che un tale approccio per concepire un sistema ispirato alla natura possa essere la chiave per costruire la prossima generazione di dispositivi edge IA, in cui le informazioni vengono elaborate localmente e con risorse minime. In particolare, riteniamo che i piccoli animali e gli insetti siano una grande fonte di ispirazione per un’efficiente combinazione di elaborazione e calcolo di informazioni sensoriali. Grazie agli ultimi progressi tecnologici, possiamo abbinare sensori innovativi con un calcolo avanzato basato su RRAM per costruire sistemi a bassissima potenza», afferma la dott.ssa Vianello, che ha il ruolo di scienziata senior presso il laboratorio di elettronica e tecnologia dell’informazione CEA-Leti, Commissione francese per le energie alternative e l’energia atomica, coordinatore del progetto MeM-Scales in Francia. Il team di ricerca ha condotto misurazioni del sistema costituito da rilevatori di coincidenza basati su RRAM, circuiti della linea di ritardo e un sensore a ultrasuoni completamente personalizzato. I ricercatori hanno utilizzato i risultati sperimentali per calibrare le simulazioni a livello di sistema. Queste simulazioni sono state quindi utilizzate per stimare la risoluzione angolare e l’efficienza energetica del modello di localizzazione degli oggetti. I risultati hanno dimostrato un’efficienza energetica molto maggiore rispetto a un microcontrollore che esegue la stessa attività. «L’obiettivo è, come sempre, ottenere la migliore efficienza energetica per il livello di prestazioni richiesto da un’applicazione specifica. Ulteriori miglioramenti nell’efficienza energetica sono certamente possibili con il nostro sistema», osserva la dott.ssa Vianello. Lo studio dimostra che andrebbe esplorata la combinazione di sensori visivi quali le telecamere con sensori di visione dinamica con un sensore dell’udito basato su PMUT per sviluppare la futura robotica di consumo. Il progetto MeM-Scales (Memory technologies with multi-scale time constants for neuromorphic architectures) si conclude a giugno 2023. Per ulteriori informazioni, consultare: sito web del progetto MeM-Scales
Parole chiave
MeM-Scales, sistema, efficienza energetica, memoria resistiva ad accesso casuale, RRAM, sensore, trasduttore piezoelettrico a ultrasuoni microlavorato, PMUT