電子設計行業(yè)正在發(fā)生相當大的變化，這主要是由于傳感器的激增以及生成和收集更多信息的需求。這導致?lián)碛懈鄠鞲衅?，并且這些傳感器中的大多數(shù)都更小且易于部署。而且它們沒有電線。換句話說，這些傳感器采用無線傳輸并且由電池供電。

截至目前，傳感器收集的大量數(shù)據(jù)已在本地數(shù)字化并發(fā)送到云端進行處理。然而，隨著數(shù)據(jù)量和傳感器數(shù)量的不斷增長，工程師勢必會考慮與傳感器數(shù)據(jù)相關的能源方面。有許多應用程序始終處于感應狀態(tài)，這需要經(jīng)常更換電池。例如，當有人說話或出現(xiàn)安全違規(guī)行為（如碎玻璃或機器開始故障）時。

Aspinity 是一家總部位于匹茲堡的新貴，其根源在于西弗吉尼亞大學進行的神經(jīng)形態(tài)計算工作，它聲稱有一個解決方案旨在解決電池供電設備的這個問題。該公司的聯(lián)合創(chuàng)始人兼首席執(zhí)行官 Tom Doyle 最近與Planet Analog進行了交談，以解釋這種采用模擬信號處理的基于推理的解決方案的細節(jié)。

Aspinity 是一家半導體公司，提供芯片以及與模擬機器學習 （ML） 模型和固件一起使用的軟件?！霸谀承┣闆r下，我們還進行模擬壓縮，”Doyle 說?！斑@一切都是為了在現(xiàn)有芯片中輕松集成，讓算法更節(jié)能?！?Aspinity 的硅合作伙伴包括英飛凌和意法半導體。

圖 1比較突出了以數(shù)字和模擬為中心的傳感器數(shù)據(jù)處理之間的差異。資料來源：Aspinity

英飛凌現(xiàn)在擁有賽普拉斯半導體的微控制器，并且在傳感器領域也非常強大，它正在與 Aspinity 在這兩個方面建立合作伙伴關系。Doyle 說：“我們與傳感器一起工作，以便在很早的時候以低功耗引入數(shù)據(jù)?！?“然后，當有價值的數(shù)據(jù)存在時，我們讓 PSoC 微控制器喚醒并進行進一步處理，以便它們將相關信息傳送到云端?！?/p>

STMicro 還提供低功耗 MCU，但對于電池供電設備來說，它們的功耗不夠低。“所以，我們在 MCU 的前端，讓它知道相關數(shù)據(jù)何時存在，”Doyle 說。“這就是我們如何看待我們的技術集成到現(xiàn)有芯片并支持新產(chǎn)品的方式。”

在這里，Aspinity 的技術允許 MCU 和模數(shù)轉換器 （ADC） 保持在睡眠模式，直到相關數(shù)據(jù)可用。例如，當有喚醒詞觸發(fā)或警報響起時。重要的是要注意這些事情是偶爾發(fā)生的，有時它們永遠不會發(fā)生。因此，Doyle 補充說，為什么要使用當前將所有數(shù)據(jù)數(shù)字化的范例。

模擬機器學習解決方案

Aspinity 推理解決方案中的底層技術——可重構模擬模塊化處理器 （RAMP） ——是一個受神經(jīng)啟發(fā)的處理平臺。例如，Aspinity 可以構建一種算法來與麥克風聲音交互以執(zhí)行推理。接下來，構建 ML 階段并將其轉換為模擬神經(jīng)網(wǎng)絡 （NN） 階段。這將做出決定并喚醒系統(tǒng)。它將決定是否是演講；如果有玻璃破裂；以及機器是否存在振動問題。

為了推動 ML 功能和繁重的工作負載，Aspinity 的解決方案著眼于模擬域并確定它可以為推理和決策做些什么。當您查看神經(jīng)網(wǎng)絡時，它是一系列乘法累加函數(shù)。在這里，正如 Doyle 所指出的，神經(jīng)網(wǎng)絡是非線性模擬的主要例子。它可以有很多不同的方式。因此，計算可以在具有特定 IP 和專有技術的模擬電路中完成?！俺朔ɡ奂涌梢允褂煤唵蔚哪M晶體管來實現(xiàn)，”Doyle 說?！八灰欢ㄊ情T?！?/p>

圖 2使用模擬內存計算進行推理（頂部）需要模擬和數(shù)字處理，而模擬ML 內核中的推理（底部）僅使用模擬處理。資料來源：Aspinity

通過將 ML 工作負載從數(shù)字轉移到模擬并使其更靠近傳感器，工程師可以更有效地處理傳感器數(shù)據(jù)泛濫。他們可以使用固態(tài)電子設備將 ML 工作負載轉移到盡可能早的實例，以了解數(shù)據(jù)何時相關。換句話說，他們可以將工作負載移動到盡可能靠近傳感器的位置，并挑選相關的模擬數(shù)據(jù)。這是模擬在迅速興起的機器學習世界中發(fā)揮作用的場所。

Aspinity 的技術通過 IP 保護，正在將 ML 工作負載從數(shù)字域轉移到模擬域。“這樣做效率更高，因為傳感器數(shù)據(jù)本質上是模擬的，”Doyle 說?！叭绻覀兡軌蛱魬?zhàn)獲取數(shù)據(jù)并將其數(shù)字化并查看數(shù)據(jù)以確定其是否相關的概念，則可以節(jié)省大量能源?！?/p>

Aspinity 努力在信號鏈中更早地移動 ML 工作負載，而在模擬領域執(zhí)行此操作本質上是低功耗的。它還刪除了下游組件。通過在模擬域中進行推理，這成為可能。所以，是的，模擬在快速發(fā)展的機器學習設計世界中占有一席之地。