Imec ha presentato il primo chip che processa segnali radar usando reti neurali spiking ricorrenti. Imitando il modo in cui gruppi di neuroni biologici operano per riconoscere pattern temporali, il chip di imec consuma 100 volte meno energia rispetto alle soluzioni tradizionali e, con una latenza ridotta di 10 volte , consente un processo decisionale quasi istantaneo.
Le reti neurali artificiali hanno già dato prova del loro valore in molti campi. Sono un elemento chiave, ad esempio, nei sistemi anti-collisione basati su radar usati comunemente nell’automotive. Ma hanno mostrato anche dei limiti: consumano troppa energia per essere integrate in dispositivi che hanno limiti di alimentazione, la loro architettura e la formattazione dei dati richiedono ai dati stessi di intraprendere un percorso time-consuming dal sensore all’algoritmo di inferenza dell’Intelligenza Artificiale, prima che possa essere presa la decisione.
Ilja Ocket, program manager di rilevamento neuromorfico in imec, spiega: “Le reti neurali spiking operano in modo molto simile alle reti neurali biologiche, nelle quali i neuroni accendono impulsi elettrici solo quando cambiano gli impulsi sensoriali. Grazie a questa caratteristica, il loro consumo di energia è significativamente ridotto. Inoltre, i neuroni spiking sul nostro chip possono essere connessi più volte, trasformando la Snn (Spiking neural network) in un sistema dinamico che impara e ricorda gli schemi temporali. La tecnologia che stiamo introducendo è un balzo in avanti nello sviluppo di sistemi realmente di auto-apprendimento”.
Inizialmente il chip era stato progettato per supportare l’elaborazione di elettrocardiogrammi e di parlati in dispositivi con un’alimentazione limitata. Oggi, grazie alla sua architettura e a un progetto hardware completamente nuovo, esso può essere riconfigurato per elaborare una varietà di altri input sensoriali: sonar, radar e lidar. Diversamente da analoghe implementazioni delle reti neurali spiking, il progetto digitale “event-driven” di imec fa sì che il chip si comporti esattamente e ripetutamente come previsto dai tool di simulazione della rete neurale.
L’applicazione in sistemi anti-collisione
Il settore dei droni, ancora più di quello automotive, lavora con dispositivi dalla capacità di batteria limitata, che hanno bisogno di reagire tempestivamente ai cambiamenti nell’ambiente e all’avvicinarsi di eventuali ostacoli. “Un utilizzo esemplare per il nostro chip è nei sistemi anticollisione per droni, a bassa potenza e bassa latenza. Eseguendo l’elaborazione vicino al sensore radar, il chip dovrebbe consentire al sistema di rilevamento di distinguere molto più rapidamente – e accuratamente – l’avvicinarsi degli oggetti. A sua volta, questo consente ai droni di reagire quasi istantaneamente in caso di situazioni potenzialmente pericolose”, dice ancora Ocket.
“Il chip risponde alle richieste dell’industria di reti neurali a bassa potenza che effettivamente apprendono dai dati e rendono possibile un’Intelligenza Artificiale personalizzata”, aggiunge Kathleen Philips, direttore del programma sull’IoT cognitive sensing in imec. Per la realizzazione del chip, in azienda sono stati interpellati esperti di varie discipline: sviluppo di algoritmi e architettura di reti neurali spiking che hanno alla base le neuroscienze, elaborazione di segnali radar e biomedici, progettazione di chip a potenza ultra-bassa”.
