Imec Spike-Chip für Radar

Digitaler SNN-Chip
Digitaler SNN-Chip

Das Imec hat den weltweit ersten Chip präsentiert, der Radarsignale mithilfe eines rekursiven neuronalen Netzwerks mit Spikes verarbeitet – und das extrem schnell sowie energieeffizient.

Der imec-Chip ahmt also die Art und Weise nach, wie Gruppen biologischer Neuronen arbeiten, um zeitliche Muster zu erkennen. Der Chip verbraucht 100 Mal weniger Strom als herkömmliche Implementierungen, während die Latenzzeit um das Zehnfache reduziert wird - was eine nahezu sofortige Entscheidungsfindung ermöglicht.

Beispielsweise können Mikro-Doppler-Radarsignaturen mit einer Leistung von nur 30 mW klassifiziert werden. Während die Architektur und die Algorithmen des Chips leicht auf die Verarbeitung einer Vielzahl von Sensordaten (einschließlich Elektrokardiogramm, Sprache, Sonar, Radar und Lidarströme) abgestimmt werden können, wird der erste Anwendungsfall die Schaffung eines hochintelligenten Antikollisionsradarsystems mit geringer Leistung für Drohnen umfassen, das viel effektiver auf sich nähernde Objekte reagieren kann.

Künstliche Neuronale Netze (ANNs) haben sich bereits in einer Vielzahl von Anwendungsbereichen bewährt. Sie sind z.B. ein wesentlicher Bestandteil der in der Automobilindustrie üblichen radargestützten Antikollisionssysteme. ANNs haben jedoch auch ihre Grenzen. Zum einen verbrauchen sie zu viel Leistung, um in zunehmend eingeschränkte (Sensor-)Geräte integriert werden zu können. Darüber hinaus erfordert die zugrunde liegende Architektur und Datenformatierung von ANNs, dass die Daten einen zeitintensiven Weg vom Sensorgerät zum KI-Inferenzalgorithmus zurücklegen müssen, bevor eine Entscheidung getroffen werden kann. Deshalb setzt das imec auf Spiking Neuronale Netze (SNNs).

»Heute stellen wir den weltweit ersten Chip vor, der Radarsignale mithilfe eines neuronalen Netzwerks mit wiederkehrenden Spikes verarbeitet«, sagt Ilja Ocket, Programmmanager für neuromorphe Sensoren bei imec. »SNNs funktionieren sehr ähnlich wie biologische neuronale Netzwerke, in denen Neuronen elektrische Impulse über den Zeitverlauf sparsam abfeuern, und zwar nur dann, wenn sich der sensorische Input ändert. Auf diese Weise kann der Energieverbrauch erheblich reduziert werden. Darüber hinaus können die Spikes-Neuronen auf unserem Chip immer wieder neu verbunden werden, wodurch das SNN zu einem dynamischen System wird, das zeitliche Muster lernt und sich erinnert. Die Technologie, die wir heute einführen, ist ein großer Sprung vorwärts in der Entwicklung wirklich selbstlernender Systeme.«

Der Chip von Imec wurde ursprünglich zur Unterstützung des Elektrokardiogramms (EKG) und der Sprachverarbeitung in Geräten mit beschränkter Stromversorgung entwickelt. Dank seiner generischen Architektur, die ein völlig neues digitales Hardware-Design aufweist, kann er jedoch auch leicht umkonfiguriert werden, um eine Vielzahl anderer sensorischer Eingaben wie Sonar-, Radar- und Lidar-Daten zu verarbeiten. Im Gegensatz zu analogen SNN-Implementierungen sorgt das ereignisgesteuerte digitale Design von imec dafür, dass sich der Chip präzise und reproduzierbar so verhält, wie von den Simulationswerkzeugen für neuronale Netze vorhergesagt.

Drohnen können auch profitieren

Die Drohnenindustrie arbeitet - noch mehr als die Automobilbranche - mit begrenzten Systemen (z.B. begrenzte Batteriekapazität), die rasch auf Veränderungen in ihrer Umgebung reagieren müssen, um auf herannahende Hindernisse angemessen reagieren zu können. »Daher ist die Schaffung eines Anti-Kollisionssystems mit niedriger Latenz und geringer Leistung für Drohnen einer der Haupteinsatzbereiche für unseren neuen Chip. Da unser Chip seine Verarbeitung in der Nähe des Radarsensors durchführt, sollte er es dem Radar-Sensorsystem ermöglichen, viel schneller - und genauer - zwischen sich nähernden Objekten zu unterscheiden. Dies wiederum wird es den Drohnen ermöglichen, fast augenblicklich auf potenziell gefährliche Situationen zu reagieren«, erklärt Ilja Ocket. Und weiter: »Ein Szenario, das wir derzeit untersuchen, sind autonome Drohnen, die für die Navigation im Warenlager auf ihre bordeigene Kamera und Radarsensorsysteme angewiesen sind, und die bei der Ausführung komplexer Aufgaben einen Sicherheitsabstand zu Wänden und Regalen einhalten.« Diese Technologie könne aber auch in vielen anderen Anwendungsfällen eingesetzt werden - von Robotik-Szenarien über den Einsatz von fahrerlosen Transportsystemen (AGVs) bis hin zur Gesundheitsüberwachung.

»Dieser Chip erfüllt die Nachfrage der Industrie nach extrem stromsparenden neuronalen Netzwerken, die wirklich aus Daten lernen und eine personalisierte KI ermöglichen. Für die Entwicklung dieses Chips haben wir Experten aus verschiedenen Disziplinen innerhalb des imec zusammengebracht - von der Entwicklung von Trainingsalgorithmen und neuronalen Netzwerkarchitekturen, die auf den Neurowissenschaften basieren, über biomedizinische und Radarsignalverarbeitung bis hin zum Design digitaler Chips mit extrem niedrigem Stromverbrauch. Hier macht imec wirklich einen Unterschied«, schließt Kathleen Philips, Programmdirektorin für kognitive IoT-Sensorik bei imec.