Flexible Low-Power KI-Beschleuniger

Abstract:
Drahtlose, vernetzte Sensoren dringen in eine Vielzahl von Anwendungsbereichen vor. Während Betriebszeiten von 2 Tagen bis 6 Monaten im Consumer-Bereich oft akzeptiert sind, stellen Business- und Industrieanwendungen deutlich höhere Anforderungen an die Laufzeit der Systeme. Zur Minimierung von Wartungskosten müssen drahtlose Sensoren im Bereich der Zustandsüberwachung von Anlagen mindestens eine Laufzeit von 5 Jahren erreichen. Vergleichbare Laufzeiten sind auch im Smart Building Bereich z.B. bei elektronischen Schließsystemen gewünscht. In diesen Anwendungen sind sowohl die aktive Energieaufnahme als auch der Leckstrom und die Selbstentladung der Batterie von Bedeutung. Bei der Produktumsetzung mit am Markt verfügbaren Mikrokontrollern kann die Leckstromanforderung nur durch sehr lange Standby-Zeiten ohne Datenaufnahme realisiert werden. Eine komplexe Datenverarbeitung auf dem Sensor ist oft nur umsetzbar, wenn die Algorithmen stark auf eine geringe Energieaufnahme optimiert wurden. Ansätze dafür werden in diesem Paper vorgestellt. Weiterer Schwerpunkt sind Konzepte und Schaltungsumsetzungen von KI-Beschleunigereinheiten für Machine-Learning auf Basis von statistischen Merkmalen und neuromorphe Mixed-Signal-Beschleunigern. Die Beschleunigereinheiten wurden entwickelt, um eine lokale Datenverarbeitung direkt auf dem Sensor-ASIC mit sehr hoher Energieeffizients zu realisieren. Die Kombination von Beschleunigereinheiten mit einer optimierten, hierarchischen Datenauswertung erlaubt es die mittlere Energieaufnahme der Sensorsysteme stark zu reduzieren. Die lokale Datenauswertung erlaubt es außerdem die zu übertragende Datenmenge zu reduzieren und so die Gesamtenergieaufnahme des Sensorsystems zu minimieren.