24小時聯系電話:18217114652、13661815404
中文
技術專題
高能效的 AI 芯片可及時檢測心房顫動
高能效的 AI 芯片可及時檢測心房顫動
他們的重點是促進創(chuàng)建可記錄心電圖的可穿戴設備，以防止因心率不規(guī)則引起的中風
邊緣的超低功耗 AI
心房顫動是最常見的心律失常類型之一。如果沒有及時發(fā)現，這種情況可能會引發(fā)中風。可以長時間記錄心電圖 (ECG) 的可穿戴設備是增加對不規(guī)則心律的檢測的好方法。但必須有可能以節(jié)能的方式分析記錄的心電圖數據，以便移動診斷實用。用于評估患者數據的算法可能需要大量計算，從而導致高能耗。因此，在評估此類算法時，移動應用程序的最高優(yōu)先級應該是節(jié)能。
為促進上述問題的可行解決方案，德國聯邦教育和研究部 (BMBF) 組織了一場名為“高能效 AI 系統(tǒng)”的創(chuàng)新競賽，參賽者必須設計一款檢測心房顫動的 AI 芯片。至少 90% 的準確度并且消耗很少的能量。
信號處理進入休眠模式
為了確定患者是健康還是生病，Fraunhofer IIS 研究人員開發(fā)了依賴于深度學習的“使用 ML 算法（Lo3-ML）進行低功耗、低內存、低成本心電信號分析”的項目。將數字心電圖信號用作神經網絡的輸入，對信號部分進行濾波，對各個信號分量進行加權（具有三元權重值 +1、0 和 -1）并在幾層中進行匯總。“在神經網絡的第一層，檢測到了某種信號行為。在第二層中，特征相互關聯。總共使用了六層。心電圖信號的復雜圖像表明存在一種疾病，這種疾病直到最后第六層才出現，”弗勞恩霍夫 IIS 的科學家 Marco Breiling 說。
為了處理這些時間序列信號以提高能效，即 ECG 信號的數字表示，信號處理成為 AI 芯片的一部分，在不需要時休眠，從而節(jié)省了 95% 的能源。“該芯片收集了 12.7 秒的心電圖信號，然后僅用了 24 毫秒或 0.2% 的時間處理它。因此，處理過程在 99.8% 以上的時間處于休眠狀態(tài)，并且消耗的能量幾乎可以忽略不計。由于非易失性 RRAM 存儲器是系統(tǒng)的一部分，信號處理可以在喚醒后立即恢復，大約 12.7 秒后無需消耗任何能量，”Breiling 解釋道。他進一步表示，“該芯片所需的功率很小，因此在月光下運行的面積為 6 毫米 x 6 毫米的太陽能電池就足夠了。或者，該芯片可以使用非常小的紐扣電池連續(xù) 330 天評估心電圖。” 開發(fā)的電路不僅適用于醫(yī)療用途，還適用于處理時間序列信號的其他應用，例如狀態(tài)監(jiān)測和預測性維護。
FPGA 的整體 AutoML
Fraunhofer ITWM 的研究團隊同時考慮了硬件能耗和神經網絡拓撲，這不僅提供了分類準確度，而且還具有能源效率。
但是，網絡究竟如何才能滿足定義的要求和規(guī)范呢？“在這方面有不同的搜索策略。我們使用了一種進化方法，其中我們選擇了十個不同的隨機網絡，訓練它們并檢查它們的工作情況。然后我們選擇了最好的網絡并對它們進行了變異以創(chuàng)建新的網絡變體。重復該過程，直到找到最佳網絡。這個過程稱為自動化機器學習，”在能力中心進行研究的 Jens Krüger 博士解釋說——弗勞恩霍夫 ITWM 的高性能計算。
Krüger 和他的團隊使用現場可編程門陣列 (FPGA) 來映射神經網絡，實現各種電路并實現最佳算法的最佳執(zhí)行。FPGA 可以重新編程任意次數，并通過定義最佳神經網絡的各種特征進行區(qū)分。使用軟件工具，將神經網絡傳輸到 FPGA，然后自動評估 ECG 數據。這種方法產生了一種新方法，它不僅更節(jié)能，而且還減少了最佳神經網絡拓撲和相應 FPGA 實現的開發(fā)時間。開發(fā)的軟件工具不僅適用于 FPGA，還適用于各種芯片和環(huán)境。
研究人員正在擴展這一過程，以包括一種不僅考慮神經網絡還考慮硬件的整體方法，因為 AI 模型會影響硬件的能耗。
總之，可以說，只有降低當今微電子的能耗，人工智能（AI）才能創(chuàng)造效益并進入醫(yī)療、工業(yè)和其他應用領域。