文章目录
[+]
Imec出色的基于神经网络的芯片。图片由Imec供应
常日，人工神经网络（ANN）用于基于雷达的汽车防撞系统中。但是，人工神经网络是功耗很大，也无法缓解延迟问题。这种延迟是由传输到AI推理算法进行剖析和决策的数据旗子暗记引起的。
正如Imec的Ilja Ocket所描述的那样，“ SNN的运行与生物神经网络非常相似，在该过程中，神经元会随韶光稀疏地发射电脉冲，并且仅在觉得输入发生变革时运作。这样，可以显著降落能耗。”
（图片来自网络侵删）
因此，只有当活动涌现时，即当须要处理和剖析一些东西时，才会涌现电流 "脉冲"。否则，只须要最小的功率就可以了。
SNN的系统功能
至于延迟，很多 "思考 "都是在现场进行的。正如AAC贡献者Chantelle Duboise所描述的那样，脉冲神经网络（SNN）传感器元件直接与其他传感器元件进行通信。反过来，这些传感器元件会根据自己的勉励水平做出部分反应。因此，很多处理过程都是在传感器内部进行的。耗时的人工智能引擎过程被降到最低，从而减少了延迟。此外，Imec声称，所谓的芯片“脉冲神经元”能够以一种能够消化信息、学习韶光模式并影象这些信息的办法进行交互。因此，Imec的设计将芯片的行为转化为通过仿真精确预测的反应。
为什么选择无人机？无人机常日独立于人类掌握，或者至少半独立于人类掌握。为了避免冲撞，他们必须在几毫秒内做出有关速率和方向的决策，因此延迟越短越好。
无人机常日利用机载雷达系统来网络飞机绘制安全翱翔路线所需的原始信息。SNN芯片能够在物理雷达附近完成大部分信息处理，这使得相应韶光大大缩短，决策也更加准确。
无人机视觉参考设计的示例。图片由德州仪器（TI）供应
此外，小型无人机须要与大型设备相同的“脑力”，但可用来“养活”大脑的机载功率受到极大限定。这些成分使无人机成为新SNN芯片的得当用例。
根据Ocket的说法，“目前，我们正在探索一种自动驾驶无人机，该无人机依赖其机载摄像头和雷达传感器系统进行仓库内导航，在实行繁芜任务时与墙壁和架子保持安全间隔。”
其他用例在瞄准雷达运用之前，该设备的最初目标是功耗受限运用中的语音处理和心电图(ECG)处理。该芯片的通用架构许可它被重新配置为雷达、声纳和激光雷达。
以无人机为例，如果转向或改变速率的决定是在间隔雷达或激光雷达设备更近的地方做出的，那么该设备可以减少延迟并节省韶光。因此，Imec估量，这种新设备将成为自动驾驶汽车和互助机器人的有用补充，由于在自动驾驶汽车和互助机器人中，为了安全，必须做出快速、可靠的决定。
