来源：内容由半导体行业不雅观察（ID：icbank）编译自allaboutcircuit，感激。
专注不雅观察环球半导体最新资讯、技能前沿、发展趋势。欢迎订阅摩尔精英旗下公众年夜众号：摩尔精英MooreElite、半导体芯闻、摩尔芯球。\"大众 data-from=\公众0\"大众>
TinyML或优化机器学习 (ML) 模型以在资源受限的设备上运行，是 ML 发展最快的子领域之一。为了实现 TinyML（或有时称为 TinyAI）所需的这种超低功耗、高性能打算，工程师们探索了许多令人愉快的新技能。利用这一趋势，以色列公司 Polyn 上周宣告其最新的神经形态仿照旗子暗记处理器 TinyML/TinyAI 处理器已成功封装和评估。 在本文中，我们将理解 Polyn 供应的技能，以理解它可能对全体 TinyML 产生的影响。在追求更低功耗、更高性能的人工智能打算硬件的过程中，令人愉快的新兴技能之一是神经形态打算。神经形态打算的观点是，人脑是人类已知的最节能的打算设备。在考试测验运行 AI 运用程序时，创建尽可能仿照大脑生物过程的打算硬件将是有利的。虽然这听起来是一项艰巨的任务，但工程师可以通过硬件和软件的结合来考试测验这种娱乐办法。从硬件的角度来看，神经形态芯片试图通过充当神经元、轴突的电路元件以及它们之间的加权连接来模拟大脑。 为了进一步仿照大脑，该硬件常日通过仿照电路实现，这也有助于提高性能和电源效率。然后，神经形态打算依赖于专门的神经网络，例如尖峰神经网络和电旗子暗记调制来仿照大脑旗子暗记的变革。有了这个基本的理解，我们来看看 Polyn 的新技能。Polyn 的 NeuroSense 和 NASP 技能
本周，Polyn 宣告其专有的名为NeuroSense的神经形态打算芯片已首次被封装和评估，这受到高度关注。NASP 技能被称为其神经形态仿照旗子暗记处理器 (NASP)技能，旨在成为实时边缘传感器旗子暗记处理器。 根据 Polyn 的说法，他们的技能利用了一个独特的平台，该平台将经由演习的神经网络作为输入，并利用数学建模将网络合成为真正的神经形态芯片。它的 NASP 芯片利用仿照电路，个中神经元利用运算放大器实现，而轴突则由薄膜电阻器实现。 他们声称其平台生产的合成芯片已经完备布局并准备好制造。这种新封装和评估的 NeurorSense 芯片采取 55 nm CMOS 技能实现。此外，听说它充当边缘旗子暗记传感器，能够利用神经形态打算处理原始传感器数据，而无需对仿照旗子暗记进行任何数字化。出于这个缘故原由，该公司将其称为第一款无需模数转换器 (ADC) 即可直接在传感器阁下利用的神经形态仿照 TinyML 芯片。虽然许多技能规格尚不清楚，但据称，对付始终在线的运用，Polyn 的 NASP 供应 100 uW 的功耗，具有传统算法的“两倍精度”。 目前，Polyn 对其发展感到鼓舞，称其芯片的成功封装和评估验证了其技能和全体 NASP 系统。未来，Polyn 表示，它希望在 2023 年第一季度向客户供应该芯片，作为一种集成了光电体积描记术 (PPG) 和惯性丈量单元 (IMU) 传感器的可穿着设备。按照Polyn所说，许多运用程序可以从 AI 中受益，尤其是从神经网络范式中受益，但这种强大的数学方法的实际实现在以传统办法在标准 CPU 或 GPU 上实行时会涌现过多的功耗。如果运用程序利用大量数据，并且常常访问内存，则会导致冯诺依曼架构涌现瓶颈。对付具有连续旗子暗记流的情形，专用途理器效率更高。一个很好的例子是具有心率 (HR) 跟踪和人体活动识别 (HAR) 的可穿着设备，个中 PPG/IMU 传感器不断天生数据，其处理会花费大量电池电量。对付实行真正始终在线丈量的设备，神经形态仿照旗子暗记处理 (NASP) 是一个空想的办理方案，与传统算法比较，它具有 100uW 的超低功耗和两倍的精度。提高的精度还可以简化全体系统，并降落干系本钱。另一个耗电的运用是预测性掩护 (PDM) 传感器节点。工业物联网 (IIoT) 利用物联网设备和传感器来监控机器和环境，以确保设备和流程的最佳性能。PDM 监控机器的康健状况以识别（也称为预测）组件的可能故障是最近受到很多关注的物联网技能。为了实现有效的 PDM，须要通过机器学习 (ML) 算法网络、处理和剖析大量数据。如果所有这些数据都必须发送到一个中央进行剖析，那么数据通信和处理将比它的代价更麻烦。传感器数据预处理可以显著减少发送到云真个数据量，节省资金并改进延迟。NASP 办理了所有这些情形，以及直接在传感器上对原始数据进行智能优化（预处理）的许多其他用场。它不仅可以办理现有运用程序的问题，还可以为全体行业开辟新的机遇。NASP 是一个真正的 Tiny AI 办理方案，旨在优化原始数据并减少 CPU 负载和转发到云的数据量。NASP 芯片位于传感器阁下，形成 Tiny AI 逻辑层。它是一种推理解决方案，利用已经演习好的机器学习模型进行预测。在 NASP 观点中，数据处理芯片是由 NASP 自动化工具从已经演习好的神经网络中合成的。基于 POLYN 多年的专业知识，“仅推理”方法对付语音提取、声音/振动处理、可穿着设备丈量等运用非常有效。它在功率、准确性和延迟方面供应了巨大的上风。神经网络打算的紧张优点是并行操作。最大的上风是神经形态打算，特殊是通过硬件和软件设计实现最大并行性，努力模拟人脑并实现其打算到功耗的功效。除了低功耗和提高打算事情负载的性能外，神经网络还供应容错能力，这意味着如果传感器数据不一致，系统仍旧可以产生结果。同时进入 NASP 芯片输入层的所有传感器旗子暗记被并行传输到后续层。没有实行周期，也没有指向/来自内存的指令。 人脑不仅是一个超低功耗的并行操作系统，还是一个仿照系统，处理各种旗子暗记而不须要将它们转换成二进制格式。对付旗子暗记感知等任务，仿照系统更可取。据半导体研究公司称，估量未来十年将涌现大量仿照旗子暗记，这须要硬件方面的根本性打破，以产生更智能的天下机器接口。NASP 正是这些打破之一，旨在感知仿照旗子暗记和数字旗子暗记，最主要的是，为各种传感器增加“智能”。 NASP 芯片包含人工神经元（实行打算的节点）和利用电路元件实现的轴突（节点之间的权重连接）：神经元利用运算放大器实现，轴突利用薄膜电阻器实现。NASP芯片设计表示了稀疏神经网络的方法，只有推理所需的神经元之间的必要连接，这意味着该办理方案显著有效地减少了神经连接。与每个神经元连接到每个相邻神经元的内存设计比较，NASP 方法简化了芯片布局。这种设计特殊适用于连接非常稀疏的卷积神经网络 ( CNN)，以及 RNN、Transformers和Autoencoders 。对芯片设计进行神经网络调度是每个片上神经网络办理方案的主要组成部分。当今市场上可用的可编程办理方案具有架构限定，会对神经网络施加额外的转换。有时，原始神经网络在移植过程中会经历险些 100% 的转换，这是一种代价高昂的方法。为理解决这个问题，NASP 模型包括芯片设计自动化工具，即 POLYN 的 T 编译器和综合工具，可将任何经由演习的神经网络转换为最佳数学模型，以进一步天生芯片布局，同时完备符合 POLYN 的客户神经网络，并节省干系的努力和本钱。出于多种缘故原由，如果没有仿照打算的复兴，该行业将接管的数字化转型将是不可能的。一是节能理念。过多的功耗与感官系统中的数据打算不兼容。下一个趋势是人工智能越来越向边缘移动，并在本日运用于传感器节点。须要优化数十亿物联网设备之间的通信，并从云端卸载数据处理，从而提高 TCO 和效率。与善于处理繁芜信息并随韶光动态变革的人脑一样，神经形态仿照旗子暗记处理器善于实时打算，从而有助于数字和仿照技能天下的有益啮合。★ 点击文末【阅读原文】，可查看本篇原文链接！
与30万半导体精英一起，订阅您的私家芯闻秘书！
欢迎订阅摩尔精英旗下更多公众年夜众号：摩尔精英、半导体行业不雅观察、摩尔App\公众 data-from=\"大众0\"大众>免责声明：本文由作者原创。文章内容系作者个人不雅观点，半导体行业不雅观察转载仅为了传达一种不同的不雅观点，不代表半导体行业不雅观察对该不雅观点赞许或支持，如果有任何异议，欢迎联系半导体行业不雅观察。
本日是《半导体行业不雅观察》为您分享的第3014内容，欢迎关注。
晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装
