科技前沿

近传感器计算与传感器内计算技术

  

当前的传感器网络中,节点数量增长非常迅速,传感器终端和计算单元之间交换着大量冗余数据,如何在处理大量数据的同时、还能降低功耗,是边缘计算亟待解决的难题。

针对此,近日香港理工大学应用物理学系副教授柴扬发表在《自然-电子学》上题的论文《近传感器计算与传感器内计算》(Near-Sensor and In-Sensor Computing),创造性地提出了近传感器计算与传感器内计算的方法,可减少传感器终端和计算单元之间的冗余数据移动,而计算任务被部分转移到传感器终端后,能减少能耗和时间延迟,还可节省通信带宽并增强数据安全性和隐私性。

物联网传感器收集到的数据基本都是非结构性的,因此数据必须要先做处理。而一个完整的传感系统既需要有传感器,又需要有运算器。传感器和运算器通常采用不同工艺制造,然后组装为一个完整的系统。

究竟把数据处理放在传感器端还是在云端,这主要出于两个刚性需求考量:第一个考量是功耗,传感器一般是靠电池来供电,因为电量受限,所以不能做太复杂的运算,复杂运算一般都要上传到云端做进一步处理;第二个考量是时间,也就是实时处理。比如,自动驾驶对延时非常敏感,如果传到云端处理再传回来,会给安全驾驶带来很大挑战。因此,比较简单且对时间敏感的数据处理,放在传感器端比放在云端更好。

在近传感器计算和传感器内计算架构中,传感器和计算单元之间的距离通常会显著减少或消除。比如,在近传感器计算架构中,前端处理单元被放置在传感器旁边,这意味着处理单元可提高系统整体性能,并最大限度减少冗余数据传输;在传感器内计算架构中,单个传感器或多个连接的传感器可直接处理收集到的信息,这样的设计可将传感和计算功能结合在单一器件中。

 

| 不同的计算架构

 

 

| 用于神经网络中乘法累加运算的、具有可重构传感器的传感器内计算架构示意图

 

近传感器计算面临的一大挑战是传感单元和计算单元的集成。例如,计算单元已经采用了非常先进的技术节点,而大多数传感基于大节点技术就可以很好地执行它们的功能。近传感器计算的集成技术包括异质集成、3D 单片集成、片上系统集成和 2.5D Chiplet 技术等,其中 3D 单片集成提供了一种高密度、短距离的系统集成方法,但是其复杂的制备工艺和散热仍面临巨大挑战。

 

 

| 近距离传感器和传感器内计算的集成技术

 

虽然传感器内计算架构已被证明是结合计算和传感能力的方法,但它们通常只适用于特定场景。此外,它们只能通过处于早期开发阶段的新材料和新器件结构来实现,近传感器计算和传感器内计算的成功部署,需要传感器、设备、集成技术和算法的共同开发和共同优化。