IMEC推全球首款SNN雷达信号处理晶片可望用于防撞系统

虽然人工神经网路(ANN)已广泛应用在许多领域中，但由于ANN运行功耗过高，而无法整合在有功率限制的感测装置中。再加上ANN底层架构和数据资料格式限制，使得进行决策分析时，数据资料必须要耗费时间由感测器传送到AI推论演算法后才能进行，这些因素都造成ANN采用上的局限性。

然而这些限制，都将因全球首款运用递归型脉冲神经网路(SNN)来处理雷达信号的半导体晶片推出，而获得突破。

比利时微电子研究中心(IMEC)表示，该运用模仿生物神经元群识别时间模式(temporal patterns)而开发出来的晶片，除了功耗仅为传统晶片百分之一外，信号处理延迟也大幅降低为传统晶片的10分之1。这不但使AI即时决策成为可能，也是真正自我学习(self-learning)系统发展上的一大飞跃。

IMEC表示，SNN运作方式与生物神经网路非常相似。生物神经网路只有在知觉输入(sensory input)发生变化时，神经元才会随着时间稀疏地发射电脉冲，如此一来就可以使能量消耗显著降低。此外，该晶片中的脉冲神经元也能够透过循环连接(connected recurrently)，来使SNN成为可以对时间模式进行学习和记忆的动态系统。

虽然该晶片最初开发目的是为了要协助如心电图和语音处理等功率受限设备进行资料处理，但由于该晶片具有全新数位硬体设计通用架构，因此可以透过简单地重新配置来处理由声纳、雷达和光达等不同感测装置而来的各种资料。

相较于以类比方式来执行SNN，采事件式(event-driven)数位设计的晶片，能够如同神经网路模拟工具预测般的精确且重复地运行。

预期如无人机和汽车等的低功耗与高智慧防撞雷达系统等，都会是该晶片的重要运用领域。IMEC表示，该公司已对以自主无人机为基础的应用方案进行探索。该方案目的在使无人机执行复杂任务时，能够借着原配备的镜头和雷达感测系统，在几毫秒内对接近物体进行识别，并进而与障碍物保持安全距离。未来该技术还可以应用在如机器人、自动导引车(AGV)部署，甚至是健康监测等领域中。