- 28,982
- 46
- 8 Ноя 2022
Быстрые и медленные сигналы теперь уживаются в одном железе.
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:1200/676;margin-bottom:2rem;overflow:hidden">
<div itemprop="articleBody">Искусственному интеллекту далеко не всегда приходится работать с данными, которые меняются в одном темпе. Камера беспилотного автомобиля за мгновение замечает выбежавшего на дорогу человека, одновременно отслеживает плавное движение соседних машин и учитывает гораздо более медленные изменения обстановки. Роботы сталкиваются с похожей задачей, а носимые устройства постоянно получают сигналы от датчиков, часть которых меняется почти мгновенно, а часть развивается постепенно. Инженеры создали полупроводниковый элемент, который можно заранее настроить на разные скорости подобных процессов, вместо того чтобы заставлять программное обеспечение отдельно разбираться с каждым временным масштабом.
Разработка получила название программируемого динамического мемтранзистора , или PDM. Мемтранзистор совмещает свойства памяти и обычного транзистора: он способен не только управлять электрическим током, но и сохранять влияние ранее поступившей информации. Благодаря этому текущее поведение компонента зависит от предыдущих сигналов, что особенно полезно при анализе данных, растянутых во времени.
Обычным компьютерам и смартфонам для подобных задач приходится проделывать дополнительную работу. Если значения сигнала постоянно меняются, системе необходимо учитывать их историю, искать зависимости между соседними событиями и отдельно обрабатывать изменения разной продолжительности. Значительную часть подобных операций выполняет программное обеспечение, поэтому растут вычислительная нагрузка и расход энергии.
Перенести часть обработки непосредственно в полупроводниковое устройство пытались и раньше, но существующие компоненты сталкивались с серьёзным ограничением. Скорость их реакции в основном определялась ещё при изготовлении. Элемент, рассчитанный на быстрые изменения, нельзя было свободно превратить в компонент с более медленной реакцией уже после производства.
В PDM эту проблему решили с помощью двух внутренних слоёв. Первый накапливает электрический заряд и обрабатывает поступающий сигнал. Второй удерживает электроны и определяет, насколько быстро полупроводник после воздействия вернётся в исходное состояние. Количество захваченных электронов можно менять по нескольким уровням, фактически программируя продолжительность реакции устройства.
В экспериментах время восстановления электрического тока удалось регулировать примерно в пятикратном диапазоне, а характеристическую частоту, связанную с темпом обрабатываемых изменений, — более чем в десятикратном. Выбранная настройка при этом сохраняется без постоянной подачи питания. Чипу не приходится непрерывно расходовать энергию только ради того, чтобы помнить установленный режим работы.
Из отдельных PDM исследователи собрали массив, в котором разные элементы получили собственные временные настройки. Одни быстрее возвращались к исходному состоянию и лучше реагировали на короткие резкие изменения, другие делали это медленнее и дольше сохраняли влияние предыдущего сигнала. В результате один поток данных можно обрабатывать параллельно сразу в нескольких временных масштабах, не заставляя все элементы массива вести себя одинаково.
Проверка на сложных временных рядах показала, насколько сильно это влияет на точность. При прогнозировании сигнала, составленного из нескольких частот, ошибка оказалась более чем в 40 раз меньше, чем при использовании метода с единственной фиксированной временной реакцией.
Отдельный эксперимент провели с многомерными хаотическими данными. В них несколько переменных воздействуют друг на друга, изменения происходят нелинейно, а небольшая разница в начальном состоянии со временем способна заметно изменить дальнейшее поведение системы. В этой задаче новый массив уменьшил ошибку прогнозирования более чем в четыре раза.
Подход пригодился и в ситуациях, где один и тот же объект может двигаться с разной скоростью. Почерк человека меняется в зависимости от того, насколько быстро он пишет, а предмет перед камерой способен ускоряться и замедляться. Вместо обязательной предварительной обработки входного потока можно подобрать временные характеристики самих элементов так, чтобы массив работал с разными темпами непосредственно на аппаратном уровне.
Созданный массив также испытали на прогнозировании сложных данных и сравнили с традиционной программной обработкой. По точности аппаратная система оказалась сопоставима с программным вариантом, но потребовала значительно меньше энергии. Для автономных устройств разница особенно важна: роботам, носимой электронике и автомобильным системам приходится выполнять вычисления в реальном времени, не имея возможности бесконечно увеличивать энергопотребление и тепловыделение.
Переход от лабораторного образца к производству тоже не требует полностью экзотической технологии. PDM совместим с материалами, которые уже применяются в широко распространённых коммерческих полупроводниковых процессах. Такая совместимость упрощает перспективу создания крупных массивов и их последующего использования в серийных микросхемах.
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:1200/676;margin-bottom:2rem;overflow:hidden">
<div itemprop="articleBody">Искусственному интеллекту далеко не всегда приходится работать с данными, которые меняются в одном темпе. Камера беспилотного автомобиля за мгновение замечает выбежавшего на дорогу человека, одновременно отслеживает плавное движение соседних машин и учитывает гораздо более медленные изменения обстановки. Роботы сталкиваются с похожей задачей, а носимые устройства постоянно получают сигналы от датчиков, часть которых меняется почти мгновенно, а часть развивается постепенно. Инженеры создали полупроводниковый элемент, который можно заранее настроить на разные скорости подобных процессов, вместо того чтобы заставлять программное обеспечение отдельно разбираться с каждым временным масштабом.
Разработка получила название программируемого динамического мемтранзистора , или PDM. Мемтранзистор совмещает свойства памяти и обычного транзистора: он способен не только управлять электрическим током, но и сохранять влияние ранее поступившей информации. Благодаря этому текущее поведение компонента зависит от предыдущих сигналов, что особенно полезно при анализе данных, растянутых во времени.
Обычным компьютерам и смартфонам для подобных задач приходится проделывать дополнительную работу. Если значения сигнала постоянно меняются, системе необходимо учитывать их историю, искать зависимости между соседними событиями и отдельно обрабатывать изменения разной продолжительности. Значительную часть подобных операций выполняет программное обеспечение, поэтому растут вычислительная нагрузка и расход энергии.
Перенести часть обработки непосредственно в полупроводниковое устройство пытались и раньше, но существующие компоненты сталкивались с серьёзным ограничением. Скорость их реакции в основном определялась ещё при изготовлении. Элемент, рассчитанный на быстрые изменения, нельзя было свободно превратить в компонент с более медленной реакцией уже после производства.
В PDM эту проблему решили с помощью двух внутренних слоёв. Первый накапливает электрический заряд и обрабатывает поступающий сигнал. Второй удерживает электроны и определяет, насколько быстро полупроводник после воздействия вернётся в исходное состояние. Количество захваченных электронов можно менять по нескольким уровням, фактически программируя продолжительность реакции устройства.
В экспериментах время восстановления электрического тока удалось регулировать примерно в пятикратном диапазоне, а характеристическую частоту, связанную с темпом обрабатываемых изменений, — более чем в десятикратном. Выбранная настройка при этом сохраняется без постоянной подачи питания. Чипу не приходится непрерывно расходовать энергию только ради того, чтобы помнить установленный режим работы.
Из отдельных PDM исследователи собрали массив, в котором разные элементы получили собственные временные настройки. Одни быстрее возвращались к исходному состоянию и лучше реагировали на короткие резкие изменения, другие делали это медленнее и дольше сохраняли влияние предыдущего сигнала. В результате один поток данных можно обрабатывать параллельно сразу в нескольких временных масштабах, не заставляя все элементы массива вести себя одинаково.
Проверка на сложных временных рядах показала, насколько сильно это влияет на точность. При прогнозировании сигнала, составленного из нескольких частот, ошибка оказалась более чем в 40 раз меньше, чем при использовании метода с единственной фиксированной временной реакцией.
Отдельный эксперимент провели с многомерными хаотическими данными. В них несколько переменных воздействуют друг на друга, изменения происходят нелинейно, а небольшая разница в начальном состоянии со временем способна заметно изменить дальнейшее поведение системы. В этой задаче новый массив уменьшил ошибку прогнозирования более чем в четыре раза.
Подход пригодился и в ситуациях, где один и тот же объект может двигаться с разной скоростью. Почерк человека меняется в зависимости от того, насколько быстро он пишет, а предмет перед камерой способен ускоряться и замедляться. Вместо обязательной предварительной обработки входного потока можно подобрать временные характеристики самих элементов так, чтобы массив работал с разными темпами непосредственно на аппаратном уровне.
Созданный массив также испытали на прогнозировании сложных данных и сравнили с традиционной программной обработкой. По точности аппаратная система оказалась сопоставима с программным вариантом, но потребовала значительно меньше энергии. Для автономных устройств разница особенно важна: роботам, носимой электронике и автомобильным системам приходится выполнять вычисления в реальном времени, не имея возможности бесконечно увеличивать энергопотребление и тепловыделение.
Переход от лабораторного образца к производству тоже не требует полностью экзотической технологии. PDM совместим с материалами, которые уже применяются в широко распространённых коммерческих полупроводниковых процессах. Такая совместимость упрощает перспективу создания крупных массивов и их последующего использования в серийных микросхемах.
- Источник новости
- www.securitylab.ru
