De vorig jaar aangekondigde chip maakt gebruik van een spiking recurrent neuraal netwerk (SNN) en bootst zo het neurale netwerk van de hersenen na. Dat zorgt voor chiptechnologie die snel, maar ook energie-efficiënt, beslissingen kan nemen.

Een jaar later zegt imec dat het haar chip, op een 40 nanometer architectuur, verder opschaalt zodat er meer cases rond IoT en autonome robotica mogelijk zijn.

'SNN-technologie zal haar weg vinden in een heel aantal toepassingen: van slimme, zelflerende Internet of Things (IoT)-apparaten - zoals wearables - tot autonome drones en robots. Maar elk van die cases heeft zijn specifieke vereisten', zegt Ilja Ocket, program mamanger neuromorphic sensing bij imec.

'Zo moeten spiking neurale netwerken voor IoT-toepassingen vooral uitblinken in energie-efficiëntie, terwijl autonome drones in de eerste plaats nood hebben aan een beperkte signaalvertraging - zodat ze snel obstakels kunnen ontwijken.'

Drones

Naast de verbreding naar meer cases, blijft imec de chip ook inzetten voor drones. Het wil hier naar een end-to-end spikingaanpak gaan. Dat wil zeggen dat het spiking recurrent neuraal netwerk veel breder wordt ingezet bij de verwerking van data uit sensoren en beelden tot het nemen van beslissingen door AI.

'Zo kunnen we een systeem bouwen dat erg energie-efficiënt is, en toch een heel beperkte signaalvertraging heeft,' zegt Ocket. 'Het probleem is echter dat - om dit soort camera's te connecteren met de onderliggende AI-systemen - hun feeds vandaag eerst nog steeds moeten worden omgezet in frames, wat de efficiëntiewinst grotendeels tenietdoet. Daarom onderzoekt imec hoe een end-to-end spikingaanpak - van de camera's en sensoren tot de onderliggende AI - hier soelaas zou kunnen bieden'

Imec zegt dat het de eerste is die dat doet en zegt dat het ook nog op zoek is naar dronebedrijven die met de technologie willen experimenteren.

Nauwkeurig, ondanks stroomzuinigheid

Tegelijk zegt imec dat de energie-efficiëntie weinig impact heeft op de nauwkeurigheid. Samen met het Nederlandse Centrum Wiskunde en Informatica (CWI) vergeleek het haar spiking neurale netwerk (SNN) met zes andere neurale netwerken op acht datasets, waarbij het vaststelt dat SNN's laag energieverbruik niet ten koste gaat van de inferentienauwkeurigheid (hoe vaak AI het juiste antwoord geeft).

De vorig jaar aangekondigde chip maakt gebruik van een spiking recurrent neuraal netwerk (SNN) en bootst zo het neurale netwerk van de hersenen na. Dat zorgt voor chiptechnologie die snel, maar ook energie-efficiënt, beslissingen kan nemen.Een jaar later zegt imec dat het haar chip, op een 40 nanometer architectuur, verder opschaalt zodat er meer cases rond IoT en autonome robotica mogelijk zijn. 'SNN-technologie zal haar weg vinden in een heel aantal toepassingen: van slimme, zelflerende Internet of Things (IoT)-apparaten - zoals wearables - tot autonome drones en robots. Maar elk van die cases heeft zijn specifieke vereisten', zegt Ilja Ocket, program mamanger neuromorphic sensing bij imec.'Zo moeten spiking neurale netwerken voor IoT-toepassingen vooral uitblinken in energie-efficiëntie, terwijl autonome drones in de eerste plaats nood hebben aan een beperkte signaalvertraging - zodat ze snel obstakels kunnen ontwijken.'Naast de verbreding naar meer cases, blijft imec de chip ook inzetten voor drones. Het wil hier naar een end-to-end spikingaanpak gaan. Dat wil zeggen dat het spiking recurrent neuraal netwerk veel breder wordt ingezet bij de verwerking van data uit sensoren en beelden tot het nemen van beslissingen door AI.'Zo kunnen we een systeem bouwen dat erg energie-efficiënt is, en toch een heel beperkte signaalvertraging heeft,' zegt Ocket. 'Het probleem is echter dat - om dit soort camera's te connecteren met de onderliggende AI-systemen - hun feeds vandaag eerst nog steeds moeten worden omgezet in frames, wat de efficiëntiewinst grotendeels tenietdoet. Daarom onderzoekt imec hoe een end-to-end spikingaanpak - van de camera's en sensoren tot de onderliggende AI - hier soelaas zou kunnen bieden'Imec zegt dat het de eerste is die dat doet en zegt dat het ook nog op zoek is naar dronebedrijven die met de technologie willen experimenteren.Tegelijk zegt imec dat de energie-efficiëntie weinig impact heeft op de nauwkeurigheid. Samen met het Nederlandse Centrum Wiskunde en Informatica (CWI) vergeleek het haar spiking neurale netwerk (SNN) met zes andere neurale netwerken op acht datasets, waarbij het vaststelt dat SNN's laag energieverbruik niet ten koste gaat van de inferentienauwkeurigheid (hoe vaak AI het juiste antwoord geeft).