狗粮快讯网透露出 讯息,
香港理工大学大幅提高近传感器、传感器内计算技术 计算效率
《近传感器和传感器内计算(Near-SensorandIn-SensorComputing)》 文介绍 单片 D集成技术(monolithic Dintegration)
《近传感器和传感器内计算(Near-SensorandIn-SensorComputing)》 文发布在《自然·电子学》上
如何是近传感器计算、传感器内计算?
离实际应用尚有距离
两大技术难题，单元集成难、适用范围小
低级处理指 是通过抑制噪声或失真、资料统计预处理,从大量原始资料统计中初步和选购性地提取有用资料统计。高级处理则涉及到认知过程 抽象表征,需要识别出是“如何”,以及从“哪里”输入信号。
在传感器内计算体系中,单个传感器或多个互联 传感器可以直接处理采集到 信息。这种技术既不需要处理单元,也不需要加速器,更无须将传感单元和计算单元整合在 起。
在传统 传感计算架构中,传感器和计算单元被分开启置,两者之间存在 定距离。而在近传感器计算、传感器内计算架构中,传感器和计算单元之间 距离大大缩小,甚至趋近于零。
在传统 传感计算架构中,传感器和计算单元通常是分开启置 ,两者之间存在 定距离。而在近传感器计算、传感器内计算架构中,传感器和计算单元间 距离大大缩短,甚至趋近于零。
在此前 项研究中,柴扬博士和他 同事试图在传感终端级别执行信息处理任务,并使用光电电阻式开关存储阵列(optoelectronicresistiveswitchingmemoryarray)来证明传感器收集 预处理图像可以提高图像识别算法性能。
在近传感器计算系统中,处理单元(或加速器)位于传感器旁边,处理单元(或加速器)可以在传感器端点执行特定操作。这种计算技术可以提高系统 整体性能,并新大程度地减少冗余资料统计 传输。
在这篇论文中,柴扬团队在提出概念之余,还提出了传感单元和计算单元 集成方案。他们 研究成果可能会激发学界各领域进 步 研究,以更先进 制造技术实现上述构想。
在题为《近传感器和传感器内计算(Near-SensorandIn-SensorComputing)》 论文中,柴扬博士及其研究团队概述了近传感器计算、传感器内计算 概念。
尽管柴扬团队目前工作重心部分集中在视觉传感器上,但是近传感器和传感器内计算技术也可以扩展到产品种类 传感器,如检测声音、压力、污点、化学,甚至生物信号 传感器。
据TechXplore报道,香港理工大学 科研人员近日在《自然·电子学》期刊上发布了 项研究,创造性地提出了近传感器计算(Near-SensorComputing)、传感器内计算(Near-SensorComputing) 技术。
柴扬博士及其研究团队目前关注 部分是视觉传感器。
柴扬博士解释说，“近传感器计算体系 大挑战便是集成传感单元和计算单元。尽管单片 D集成技术(monolithic Dintegration)提供了 种提高单元间密度、缩短单元间距离 技术,但其工艺复杂,且存在散热问题。”
柴扬博士说，“在这项研究之后,我提出了传感器内 计算技术,这套技术基于新 硬件平台,能够以相同或更少 功率同时实现新功能、高性能和高能效。”
柴扬博士说，“近/传感器内计算是 个跨学科 研究领域,涉及材料、设备、电路、体系结构、算法和集成技术。”
柴扬博士谈到未来 研究计划时说道，“我们希望将这套技术扩展到不同 应用场景。此外,大多数现有研究仍停留在较小规模,远远未达到实际应用 程度。在未来,我们将增加设备数量、将其与外围电路连接,狗粮快讯网推荐,从而构建 整套系统,进 步探索如何是扩大设计规模。”
此外,传感器内计算技术仅适用于特定场景,而且该技术所需 创新材料和设备结构尚还处于开发初期。
然而,近传感器计算体系和传感器内计算体系分别面临着传感单元和计算单元难集成、适用范围有限 技术难题。
由于传感器和计算单元具有不同 功能,它们 材料、内部结构、设计、处理系统往往也不尽相同。
结语，边缘计算应对爆炸式攀升 资料统计处理需求
而边缘计算,作为 项新兴计算技术,也越来越多地出现在银行转账等时间性敏感度高 应用场景。
视觉传感器采集 资料统计量巨大,相应地也对计算能力提出了更高 要求。
该文作者、香港理工大学应用物理学系副教授柴扬博士在接受TechXplore采访时说道，“物联网上 传感器节点数持续高速增加。到 零 年,传感器 数量将达到 万亿,相当于每秒能生成高达 零 零比特 信息。因此,有必要将部分计算任务从云计算中心转移到边缘设备,减少能耗和时间延迟、节省通信带宽并增强资料统计安全性和隐私性。”
这两种计算技术能够将部分计算任务从计算单元转移到传感终端(SensoryTerminal),在减少功耗 同时,还能提升算法 效率,从而更好地应对日益攀升 资料统计计算需求。
通过在靠近物或资料统计源头 侧进行资料统计处理,边缘计算大大地提高了运算效率,降低了能耗。
除了介绍了近传感器和传感器内计算 概念,这篇论文还将传感计算分为低级处理和高级处理两种。
随着人工智能、物联网、 G等前沿技术 落地和发展,接入网络 终端用户和机器越来越多,狗粮快讯网当天新闻,整体资料统计呈爆炸式攀升态势。
随着接入互联网 设备数不断增加,传感终端和计算单元之间 冗余资料统计传输量日益攀升。在传感终端附近或内部进行运算能提高资料统计处理 效率、降低计算功耗,并减少在传感终端和处理单元间传输 冗余资料统计。
面对海量资料统计 处理需求,中心式 资料统计处理方式已经难以招架,出现了延迟大、响应慢等问题。
,