科技前沿

近傳感器計算與傳感器內計算技術

  

當前的傳感器網絡中,節點數量增長非常迅速,傳感器終端和計算單元之間交換著大量冗余數據,如何在處理大量數據的同時、還能降低功耗,是邊緣計算亟待解決的難題。

针对此,近日香港理工大学應用物理学系副教授柴扬发表在《自然-电子学》上题的論文《近传感器计算与传感器内计算》(Near-Sensor and In-Sensor Computing),創造性地提出了近傳感器計算與傳感器內計算的方法,可減少傳感器終端和計算單元之間的冗余數據移動,而計算任務被部分轉移到傳感器終端後,能減少能耗和時間延遲,還可節省通信帶寬並增強數據安全性和隱私性。

物聯網傳感器收集到的數據基本都是非結構性的,因此數據必須要先做處理。而一個完整的傳感系統既需要有傳感器,又需要有運算器。傳感器和運算器通常采用不同工藝制造,然後組裝爲一個完整的系統。

究竟把數據處理放在傳感器端還是在雲端,這主要出于兩個剛性需求考量:第一個考量是功耗,傳感器一般是靠電池來供電,因爲電量受限,所以不能做太複雜的運算,複雜運算一般都要上傳到雲端做進一步處理;第二個考量是時間,也就是實時處理。比如,自動駕駛對延時非常敏感,如果傳到雲端處理再傳回來,會給安全駕駛帶來很大挑戰。因此,比較簡單且對時間敏感的數據處理,放在傳感器端比放在雲端更好。

在近傳感器計算和傳感器內計算架構中,傳感器和計算單元之間的距離通常會顯著減少或消除。比如,在近傳感器計算架構中,前端處理單元被放置在傳感器旁邊,這意味著處理單元可提高系統整體性能,並最大限度減少冗余數據傳輸;在傳感器內計算架構中,單個傳感器或多個連接的傳感器可直接處理收集到的信息,這樣的設計可將傳感和計算功能結合在單一器件中。

 

| 不同的計算架構

 

 

| 用于神经网络中乘法累加运算的、具有可重构传感器的传感器内计算架构示意圖

 

近传感器计算面临的一大挑战是传感单元簣D扑愕ピ的集成。例如,计算单元已经采用了非常先进的技术节点,而大多数传感基于大节点技术就可以很好地执行它们的功能。近传感器计算的集成技术包括异质集成、3D 單片集成、片上系統集成和 2.5D Chiplet 技術等,其中 3D 單片集成提供了一種高密度、短距離的系統集成方法,但是其複雜的制備工藝和散熱仍面臨巨大挑戰。

 

 

| 近距離傳感器和傳感器內計算的集成技術

 

雖然傳感器內計算架構已被證明是結合計算和傳感能力的方法,但它們通常只適用于特定場景。此外,它們只能通過處于早期開發階段的新材料和新器件結構來實現,近傳感器計算和傳感器內計算的成功部署,需要傳感器、設備、集成技術和算法的共同開發和共同優化。