24小時(shí)聯(lián)系電話:18217114652、13661815404
中文
- 您當(dāng)前的位置：
- 首頁(yè)>
- 電子資訊>
- 技術(shù)專(zhuān)題>
- 高能效的 AI 芯片可及...
技術(shù)專(zhuān)題
高能效的 AI 芯片可及時(shí)檢測(cè)心房顫動(dòng)
高能效的 AI 芯片可及時(shí)檢測(cè)心房顫動(dòng)
他們的重點(diǎn)是促進(jìn)創(chuàng)建可記錄心電圖的可穿戴設(shè)備，以防止因心率不規(guī)則引起的中風(fēng)
邊緣的超低功耗 AI
心房顫動(dòng)是最常見(jiàn)的心律失常類(lèi)型之一。如果沒(méi)有及時(shí)發(fā)現(xiàn)，這種情況可能會(huì)引發(fā)中風(fēng)。可以長(zhǎng)時(shí)間記錄心電圖 (ECG) 的可穿戴設(shè)備是增加對(duì)不規(guī)則心律的檢測(cè)的好方法。但必須有可能以節(jié)能的方式分析記錄的心電圖數(shù)據(jù)，以便移動(dòng)診斷實(shí)用。用于評(píng)估患者數(shù)據(jù)的算法可能需要大量計(jì)算，從而導(dǎo)致高能耗。因此，在評(píng)估此類(lèi)算法時(shí)，移動(dòng)應(yīng)用程序的最高優(yōu)先級(jí)應(yīng)該是節(jié)能。
為促進(jìn)上述問(wèn)題的可行解決方案，德國(guó)聯(lián)邦教育和研究部 (BMBF) 組織了一場(chǎng)名為“高能效 AI 系統(tǒng)”的創(chuàng)新競(jìng)賽，參賽者必須設(shè)計(jì)一款檢測(cè)心房顫動(dòng)的 AI 芯片。至少 90% 的準(zhǔn)確度并且消耗很少的能量。
信號(hào)處理進(jìn)入休眠模式
為了確定患者是健康還是生病，Fraunhofer IIS 研究人員開(kāi)發(fā)了依賴(lài)于深度學(xué)習(xí)的“使用 ML 算法（Lo3-ML）進(jìn)行低功耗、低內(nèi)存、低成本心電信號(hào)分析”的項(xiàng)目。將數(shù)字心電圖信號(hào)用作神經(jīng)網(wǎng)絡(luò)的輸入，對(duì)信號(hào)部分進(jìn)行濾波，對(duì)各個(gè)信號(hào)分量進(jìn)行加權(quán)（具有三元權(quán)重值 +1、0 和 -1）并在幾層中進(jìn)行匯總。“在神經(jīng)網(wǎng)絡(luò)的第一層，檢測(cè)到了某種信號(hào)行為。在第二層中，特征相互關(guān)聯(lián)。總共使用了六層。心電圖信號(hào)的復(fù)雜圖像表明存在一種疾病，這種疾病直到最后第六層才出現(xiàn)，”弗勞恩霍夫 IIS 的科學(xué)家 Marco Breiling 說(shuō)。
為了處理這些時(shí)間序列信號(hào)以提高能效，即 ECG 信號(hào)的數(shù)字表示，信號(hào)處理成為 AI 芯片的一部分，在不需要時(shí)休眠，從而節(jié)省了 95% 的能源。“該芯片收集了 12.7 秒的心電圖信號(hào)，然后僅用了 24 毫秒或 0.2% 的時(shí)間處理它。因此，處理過(guò)程在 99.8% 以上的時(shí)間處于休眠狀態(tài)，并且消耗的能量幾乎可以忽略不計(jì)。由于非易失性 RRAM 存儲(chǔ)器是系統(tǒng)的一部分，信號(hào)處理可以在喚醒后立即恢復(fù)，大約 12.7 秒后無(wú)需消耗任何能量，”Breiling 解釋道。他進(jìn)一步表示，“該芯片所需的功率很小，因此在月光下運(yùn)行的面積為 6 毫米 x 6 毫米的太陽(yáng)能電池就足夠了。或者，該芯片可以使用非常小的紐扣電池連續(xù) 330 天評(píng)估心電圖。” 開(kāi)發(fā)的電路不僅適用于醫(yī)療用途，還適用于處理時(shí)間序列信號(hào)的其他應(yīng)用，例如狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維護(hù)。
FPGA 的整體 AutoML
Fraunhofer ITWM 的研究團(tuán)隊(duì)同時(shí)考慮了硬件能耗和神經(jīng)網(wǎng)絡(luò)拓?fù)洌@不僅提供了分類(lèi)準(zhǔn)確度，而且還具有能源效率。
但是，網(wǎng)絡(luò)究竟如何才能滿(mǎn)足定義的要求和規(guī)范呢？“在這方面有不同的搜索策略。我們使用了一種進(jìn)化方法，其中我們選擇了十個(gè)不同的隨機(jī)網(wǎng)絡(luò)，訓(xùn)練它們并檢查它們的工作情況。然后我們選擇了最好的網(wǎng)絡(luò)并對(duì)它們進(jìn)行了變異以創(chuàng)建新的網(wǎng)絡(luò)變體。重復(fù)該過(guò)程，直到找到最佳網(wǎng)絡(luò)。這個(gè)過(guò)程稱(chēng)為自動(dòng)化機(jī)器學(xué)習(xí)，”在能力中心進(jìn)行研究的 Jens Krüger 博士解釋說(shuō)——弗勞恩霍夫 ITWM 的高性能計(jì)算。
Krüger 和他的團(tuán)隊(duì)使用現(xiàn)場(chǎng)可編程門(mén)陣列 (FPGA) 來(lái)映射神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)各種電路并實(shí)現(xiàn)最佳算法的最佳執(zhí)行。FPGA 可以重新編程任意次數(shù)，并通過(guò)定義最佳神經(jīng)網(wǎng)絡(luò)的各種特征進(jìn)行區(qū)分。使用軟件工具，將神經(jīng)網(wǎng)絡(luò)傳輸?shù)?span> FPGA，然后自動(dòng)評(píng)估 ECG 數(shù)據(jù)。這種方法產(chǎn)生了一種新方法，它不僅更節(jié)能，而且還減少了最佳神經(jīng)網(wǎng)絡(luò)拓?fù)浜拖鄳?yīng) FPGA 實(shí)現(xiàn)的開(kāi)發(fā)時(shí)間。開(kāi)發(fā)的軟件工具不僅適用于 FPGA，還適用于各種芯片和環(huán)境。
研究人員正在擴(kuò)展這一過(guò)程，以包括一種不僅考慮神經(jīng)網(wǎng)絡(luò)還考慮硬件的整體方法，因?yàn)?span> AI 模型會(huì)影響硬件的能耗。
總之，可以說(shuō)，只有降低當(dāng)今微電子的能耗，人工智能（AI）才能創(chuàng)造效益并進(jìn)入醫(yī)療、工業(yè)和其他應(yīng)用領(lǐng)域。