侵权投诉
搜索
更多>> 热门搜索:
订阅
纠错
加入自媒体

智能传感器:模拟传感器数据泛滥问题何解?

编者按:模拟接口是沟通物理世界与数字世界的桥梁。我们能够通过模拟信号去处理的信息,仅为物理世界中存在信息的一万万亿分之一,因此,社会需要模拟技术基础研究能快速发展。

新的传感技术成为必需品,例如联动传感(sensing to action)、模拟“人工智能”平台、类脑/神经形态和分层计算,以及其他的技术方向。信息技术在传感器上的突破性进展是基础性要求,例如开发基于传感器原始数据感知算法以分析环境或场景。而类似于模拟“接近计算”等新计算模型也是需要重点关注的研究方向,模拟“接近计算”类似人脑行为,在消耗能量与计算时间上与输出精度做折中。新型模拟技术将为通信技术发展带来巨大推动力。对物联网和大数据行业而言,如何收集、处理、传输位于输入输出边界的模拟数据十分关键。此外,模拟开发方法学也需要有跳跃式提升(10倍开发效率,甚至更高),以提高模拟产品开发产出,从而能及时满足应用对模拟芯片需求的爆炸性增长。总而言之,联合研发以推动未来革命性发展高能效模拟集成电路是必要的,因为模拟电路对未来信息技术的数据类型、工作负载和应用方向都至关重要。

模拟芯片技术的长期目标是在减少能量消耗的同时增加可操作信息量,从而实现高效、实时(低延迟)的传感-模拟-信息通路,实际信息压缩比期望做到10^5(即10万):1。

在此十年中,美国将每年投资6亿美元用于研究模拟电子的新方向。已选优先研究的课题罗列如下。

美国半导体十年计划研讨会牵头制定了“模拟电子新方向”的长期目标,该研讨会由学术界、工业界和政府实验室的专家组成。“模拟电子新方向”包含以下五个研究领域:

模拟信息通信系统(ICT)的基本原理、挑战和应用驱动方向

智能传感器:传感和致动

太赫兹模拟技术

端侧机器学习中的模拟技术

模拟设计的效率和生产可预测性

该文是智能传感器部分的翻译,由于编译人员经验尚浅,不当之处,请多指教。

概述和需求

未来十年,随着电子技术的进步,智能工厂、智慧城市、智能汽车等“智能社会”将变成现实。其核心驱动力包含能源效率、安全性、生产力、灵活性、健康,以及娱乐和个性化。为实现核心驱动因素,需要感知现实世界并及时采取适当行动和有效措施。绝大多数传感器可以从物理社会中接收模拟输入信号。将这些信号数字化将会创建大量的原始数据,由于预计要部署的传感器数量庞大,数据负载预计将以指数级的速度增长。何时何地如何处理不断增长的传感器应用过程中的数据,以提取信息、收集见解、作出决定以及采取行动是亟待解决的问题。

随着对视觉信息(安全摄像机,车辆360摄像头,面部识别等)和高分辨率的需求不断增加,每个传感器的平均数据采集率呈指数级增长。到2032年,传感器的数据增长(图1.8)估计将达到每年1BB =珀字节= 1027 字节/年,相当于大于 1020 bit / s。

图1.8 全球传感器数据增长趋势及预测

模拟传感器数据泛滥问题

本级别的数据生成有两个关键问题:

1)消化或有效使用传感器输出的数据建立更加智能的社会;

2)有效地处理数据以采取适当行动。

消化数据(即处理数据)的能力远远超出了人类在数据量、理解力和及时性等方面的能力范围。当前,估计人类的总数据消耗约为 1017 bit / s,而在接下来的十年中,预估数据的生成量将超过现在1000倍。预计传感器将以指数形式增长,因此需要进行机器处理才能有效利用所部署的传感器。

这就导致了处理数据采取适当行动的第二个问题。如上所述,那些需要机器处理的典型数据流,在通信介质上传输数据,并反馈适当的信息以采取行动。在预计的数据速率( 1020 位/秒)下,假设功耗只有1pJ /位,则需要100MW。在此半导体十年规划中最积极的通信目标是大于该级别100倍(0.1nJ /位),仅通信功耗就达到10GW。

如果我们要利用模拟传感器数据的预期增长来驱动建设更智能的社会,则需要进行重大变化。一个更加智能的社会,可以更好地实时管理电网基础设施和微电网规模(包括可再生能源动态),以灵活/高效的生产方式提高产量,并通过跟踪照明和HVAC(供热通风与空气调节)系统需求提高建筑效率,而不是通过预定程序实现这些。

解决模拟数据泛滥的关键是提高传感器、信号处理和后续行动决策的能力,尽可能本地化处理,而不是将数据传到远端进行处理(即到云端)。“感知行动”的目标是优化系统分区,以管理系统中传输的数据量。在电力/能源和成本方面,为了改善环境和健康,需要在本地实际处理数据能力与全球性考虑因素之间取得平衡。为提高决策能力,需在本地快速决策与较慢的集成学习模型之间进行协调。

从人体的感觉/处理系统可获得参考,人体感知处理系统通过人体的感觉系统产生约10 Mbits / s的速度,但仅以小于50 bit / s的速度自觉处理比率为200,000 :1的总体“数据信息位”。大脑持续以较慢的速度在后台学习,以增强前景中的“感知行动”。因此,我们最初将目标定为一个类似的量度,以实现将“数据”到可操作“信息位”以100,000:1减少,或称之为数据减少率(DRR)为100,000:1。

图1.9 数据压缩权衡

1  2  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号