Page 34 - 智慧邊緣運算實現更環保、更安全與高效的社會

32
號稱功耗更低 類比機器學習晶片問世
Majeed Ahmad，Planet Analog
總部位於美國賓州匹茲堡 (Pittsburgh, Pennsylvania)的 新創公司Aspinity聲稱，全球首款 類比機器學習晶片已經問世，源自 於西維吉尼亞大學(West Virginia University)所研究的一種「不 關機」(always-on)技術──該 AML100晶片能處理原生類比資料 並進行分析，以接近於零的功耗進 行推論並偵測事件。
該晶片能夠判斷資料的相關 性，在需要時才啟動數位核心。在 這裡值得注意的是，當前的系統 在分析已經數位化的資料時會浪 費電力，因為有超過80%的數位 化資料通常是不相關的。「我們認 為，在邊緣領域，已數位化和被處 理的資料中有80%是不必要的， 大多數都是浪費;」Aspinity共同 創辦人暨執行長Tom Doyle表示: 「浪費掉的就是處理這些無用資 料所需的能量。」
圖1:AML100配備可連結感測器、系統喚醒觸發器和其他外部元件的類比和數位介面。 (來源:Aspinity)
Aspinity的新晶片AML100能 夠在資料數位化之前，以類比方式 完成機器學習和其他運算，使機器 學習更接近資料來源。舉例來說， 該晶片透過執行機器學習演算法， 可判斷某個聲音是否為玻璃破碎， 或是其他聲音。
對於那些「不關機」裝置，為 了偵測玻璃破裂等事件，目前的 系統需要監控房間裡的所有聲音， 處理100%的資料。它們等待像是 打破窗戶玻璃那樣相當罕見的事 件，總之就是在它發生時不能錯 過;Doyle指出:「從不關機的設 計角度來看，這是一種臨界動力 (critical dynamic)。」
「我們將機器學習從數位轉 向類比，因此可以透過本地進行 決 策 ， 」 D o y l e 表 示 ，「 這 有 助 於 在 系統等級將不關機應用的功耗節 省95%;」他還指出，雖然數位核 心可以提升元件等級的功耗表現， 卻忽視了隱藏的ADC功耗增加和 其他浪費系統功耗的地方。
正如Doyle所言，只為了判斷 那不是玻璃破碎的聲音，現今的設 計工程師必須先採集各種大自然 的類比聲音，將之100%數位化，
他補充指出，在監聽聲音的 數位架構中，人們會以全部頻寬盲 目地處理所有資料，但有可能運 作許多年都沒有任何事件發生。 其中若採用16位元類比數位轉換 器(ADC)，ADC和數位處理器消耗 3mA~5mA電流;而Doyle認為這 還算是已經很理想的案例。
類比機器學習晶片運作原理
www.eettaiwan.com | 2022年5月
然後在數位領域查看、分析聲音 資訊:「那會浪費大量的電力。」
的架構，執行某種特定模型──在 這裡是偵測玻璃破裂的案例── 同時關閉ADC和數位處理器，如 此它們可以進入睡眠模式、不消耗 電力。這就是AML100能夠將不關 機應用的耗電維持在100μA以下 的原因，從而讓系統級功耗有驚 人的改善。
Aspinity將AML100加入以上
AML100類比機器學習晶片 中，包含一系列透過軟體編程的可
INNOVATIONS