《工程师们发明了一种智能微芯片,可以在电池耗尽时自动启动和运行》

  • 来源专题:可再生能源
  • 编译者: pengh
  • 发布时间:2018-09-06
  • 物联网(IoT)虽然仍处于起步阶段,但它正在塑造许多行业的未来,并将在很大程度上影响我们的日常生活。将物联网设备从概念转化为现实的关键挑战之一,是在严格约束的能源条件下实现长期运行,从而要求极高的功率效率。物联网设备(如传感器)经常大规模部署在通常偏远且难以定期服务的地方,因此它们的自给自足必不可少。

    目前,物联网设备中的电池比单片机要大得多,而且贵上三倍。它们的大小由传感器节点的生命周期决定,这直接影响到它们需要改变的频率。这对电池的维护成本和对环境的影响有着重要的影响。为了延长电池的使用寿命,电池通常通过从环境中获取有限的能量来慢慢充电,比如使用太阳能电池。然而,现有的物联网设备在没有电池的情况下无法运行,小电池更频繁的完全放电。因此,电池小型化往往导致物联网设备的高度间断运行,因为每次电池耗尽能量时,物联网设备就会停止工作。

    为了解决这一技术差距,新加坡国立大学(NUS)的一个工程师团队开发了一种名为BATLESS的创新微芯片,即使电池耗尽,这种芯片仍能继续运行。BATLESS的设计采用了一种新型的电源管理技术,它可以在没有任何电池辅助的情况下在昏暗的光线下自动启动并继续工作,使用的是非常小的片上太阳能电池。这一研究突破大大减少了为物联网传感器节点供电所需的电池大小,使其体积缩小了10倍,生产成本也降低了10倍。这一突破是在2018年旧金山国际固态电路大会(ISSCC)上提出的。

    新加坡国立大学的研究小组的领导人,副教授马西莫Alioto电子与计算机工程系的新加坡国立大学工学院,说:“我们已经表明,电池用于物联网设备可以大幅减少,因为他们并不总是需要保持连续操作。解决这个基本问题是实现物联网传感器节点不使用电池的终极愿景的一个重大进展,它将为拥有一万亿物联网设备的世界铺平道路。

    没有电池

    电池无差异是物联网设备在电池耗尽时仍能继续运行的能力。它是通过在两种不同的模式下工作实现的——最小能量和最小功率。当电池能量可用时,芯片运行在最低能量模式,以最大化电池寿命。然而,当电池耗尽时,芯片会切换到最低功率模式,并以大约0.5纳瓦的微弱功耗运行——这比智能手机打电话时的功耗小了10亿倍。一块面积约为半平方毫米的小型片上太阳能电池可以提供能量,或者从环境中获得其他形式的能量,比如振动或热量。

    芯片在最小能量和最小功率模式之间切换的能力,转化为电池从厘米到几毫米的大规模小型化。这种无蝙蝠的微芯片能够不间断地感知、处理、捕获和时间戳感兴趣的事件,并在电池恢复可用时将这些有价值的数据无线传输到云中。尽管在没有电池的情况下处于最低功率模式,微芯片的减速速度对于许多物联网应用来说仍然足够,这些应用需要感知温度、湿度、光线和压力等参数在时间上的缓慢变化。在许多其他应用中,BATLESS非常适合于智能建筑、环境监测、能源管理以及生活空间适应居住者的需求。

    Assoc教授Alioto补充说:“没有电池的芯片是第一个不受电池电量影响的新型芯片。在最低功耗模式下,它使用的功耗是为固定最低功耗操作而设计的最佳微控制器的1000到100000倍。与此同时,我们的16位微控制器也能比最近设计的用于固定最小功率操作的其他微控制器快100,000倍。简而言之,无蝙蝠的微芯片涵盖了非常广泛的可能的能量、功率和速度权衡,通过两种不同模式提供的灵活性是允许的。

    自动起动没有电池

    BATLESS公司还配备了一种新的电源管理技术,这种技术可以在没有电池辅助的情况下,直接由芯片上的微型太阳能电池供电,从而使操作能够自启动。研究小组在50勒克斯室内光强度下演示了这一过程,这相当于黄昏时可用的昏暗光线,相当于纳米功率。这使得BATLESS对电池的可用性漠不关心,解决了之前在无电池芯片上的一个未解决的挑战。

相关报告
  • 《MIT工程师引产业颠覆:功耗最小的无人机芯片问世》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:姜山
    • 发布时间:2017-07-25
    • 近年来,工程师们致力于研发微型无人机技术,搭建黄蜂大小的飞行原型,并搭载更小的传感器和摄像机。目前,他们已经成功将无人机的几乎每一部分都小型化了,除了无人机的大脑——计算机芯片。 四旋翼无人机和其他类似大小的无人机的标准计算机芯片可以从摄像机和传感器中获取大量数据流,并对这些数据进行解读,从而自动控制无人机的俯仰、速度和轨迹。为了做到这一点,这些计算机要消耗10-30瓦的功率,由电池供电,电池对于黄蜂大小的无人机而言是很大的负荷。 现在,MIT的工程师们已经迈出了第一步,他们设计了一种计算机芯片,这种芯片使用大型无人机计算机的一小部分功能,专门为瓶盖大小的无人机量身定制。他们将于本周在MIT举行的“机器人:科学和系统会议”上提出一种新的方法和设计,他们称之为“Navion”。 该团队由Sertac Karaman和Vivienne Sze带领,前者是MIT航空航天工程1948届职业发展副教授,后者是MIT电气工程和计算机科学学院副教授。他们开发了一种低功耗的算法,同时精简了硬件,创造了一种专门的计算机芯片。 他们工作的关键贡献是提出了一种设计芯片硬件和在芯片上运行的算法的新方法。Sze表示:“传统上,一种算法被设计出来就被扔给了硬件工程师,让他想办法把算法映射到硬件上。但我们发现,通过把设计硬件和算法相结合,我们可以实现更有效的节能。” Karaman说:“我们发现,这种涉及到硬件和算法协同思考的编程机器人的新方法是减小尺寸的关键。” 这种新型芯片以每秒20帧的速度处理流图像,并自动执行命令来调整无人机在空间中的方向。新型芯片执行所有这些计算,同时功耗低于2瓦——这比目前的无人机嵌入式芯片的效率要高一个数量级。 Karaman说,团队的设计是迈向“最小的智能无人机可以自主飞行”的第一步。他最终设想的是灾难响应和搜救任务,在这些任务中,昆虫大小的无人机会在狭窄的空间中穿梭,检查坍塌的建筑,搜寻被困的人。卡拉曼也预见到了它在 消费电子 产品方面的新用途。 Karaman说:“请设想,购买一款可以与你的手机结合的瓶盖大小的无人机,你可以把它拿出来放在手掌上,你稍微抬起手,它就会感知到,并开始在你四周飞行,为你摄影。然后你再张开手掌,它就会落在你的手中,你可以将视频上传到手机上,并与他人分享。” Amr Suleiman和Luca Carlone的合作者是研究生Amr Suleiman和Zhengdong Zhang,以及研究科学家Luca Carlone。 从头开始 目前的小型无人机原型足够小,可以放在一个人的指尖上,而且非常轻,只需要1瓦的电力就可以从地面起飞。相机和传感器则还需要0.5瓦。 Karaman说:“缺少的部分是计算机,我们不能让它们适应这种大小和能耗。我们需要将计算机小型化,并降低其功耗。” 团队很快意识到,传统的芯片设计技术可能不会制造出足够小的芯片,并提供小型智能无人机飞行所需要的处理能力。 Sze说:“随着晶体管的规模越来越小,效率和速度都有了提升,但这种速度正在放缓,现在我们必须开发出专门的硬件来提高效率。” 研究人员决定从头开始构建一个专门的芯片,开发数据处理算法,以及用来运行这种算法的硬件,几项工作协同进行。 调整公式 具体而言,研究人员对现有的一种算法进行了细微的改动,该算法通常用于确定无人机的“自我运动”,或对其在空间中位置进行感知。然后,他们在一片FPGA上实现了不同版本的算法,FPGA是一种非常简单的可编程芯片。为了使这一过程正式化,他们开发了一种称为迭代分裂协同设计的方法,可以在降低功耗和门数量的同时确保足够的精确度。 典型的FPGA由数十万个断开的门组成,研究人员可以按照所需的模式进行连接,以创建专门的计算单元。通过协同设计减少门数,团队选择了一片门数极少的FPGA芯片,从而实现了高效的节能。 Karaman解释说:“如果我们不需要某种特定的逻辑或存储过程,我们就不会使用它们,这样就能节省大量能量。” 每当研究人员调整自我运动算法时,他们就把这个算法版本映射到FPGA的门上,并将芯片连接到 电路板 上。然后,他们从标准无人机数据集里的数据输入到芯片中,标准无人机数据集来自先前由其他人进行并提供在机器人社区中的无人机飞行实验的流图像和加速度计测量数据的累积。 Karaman说:“这些实验也是在运动捕捉室里完成的,所以你精确地知道无人机的位置,我们在事后使用了所有这些信息。” 节省存储 对于在FPGA芯片上实现的每个版本的算法,研究人员观察了芯片在处理输入数据和估算空间位置时所消耗的电量,。 该团队最有效的设计以每秒20帧的速度处理图像,并准确地估算出无人机在空间中的方位,同时消耗低于2瓦的功率。 功率节省部分来自对于存储在芯片中的内存数量的修改。Sze和她的同事发现,他们能够减小算法需要处理的数据量,同时仍然获得相同的结果。因而芯片本身可以存储更少的数据,消耗更少的电能。 Sze说:“在节能方面,存储的代价非常巨大。因为我们要做动态计算,一旦我们收到任何芯片的数据,就要尽可能地进行处理,所以我们可以马上扔掉它,这使得我们可以只使用芯片上极少量的存储空间,无需访问昂贵的片外存储器。” 通过这种方式,团队能够将芯片的存储容量减少到2MB,无需使用片外存储器,而典型的无人机嵌入式计算机芯片使用几GB的片外存储器。 Sze说:“任意一种节能方式,都可以让你减小电池的尺寸,或者延长电池寿命,这是更好的选择。” 今年夏天,该团队将把FPGA芯片安装在无人机上,以测试它在飞行中的性能。最终,该团队计划在专用 集成电路 (ASIC)上实现优化算法,ASIC是一种更专业的硬件平台,可让工程师直接在芯片上设计特定类型的门。 Karaman说:“我们认为我们可以把功耗降低到几百毫瓦,借助这个平台,我们可以进行各种优化,这样可以节省大量电能。” 这项研究得到了空军科学研究处和国家科学基金会的部分支持。
  • 《工程师们把成千上万的人工大脑突触放在一个芯片上》

    • 来源专题:生物安全网络监测与评估
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2020-06-16
    • 麻省理工学院的工程师们设计了一种“大脑芯片”,比一块五彩纸屑还要小,它是由成千上万个被称为忆阻器的人工大脑突触组成的。忆阻器是一种硅基组件,模仿人类大脑中信息传递的突触。 研究人员借鉴了冶金原理,用银、铜和硅的合金制造了每个忆阻器。当他们让芯片完成几个视觉任务时,芯片能够“记住”存储的图像并多次复制它们,与现有的纯元素忆阻器设计相比,这些版本更清晰、更干净。 他们的研究结果发表在今天的《自然纳米技术》杂志上,展示了一种很有前途的新型神经形态器件忆阻器设计——这种电子器件基于一种新型电路,以模仿大脑神经结构的方式处理信息。这种受大脑启发的电路可以被植入小型便携式设备中,执行只有今天的超级计算机才能处理的复杂计算任务。 到目前为止,人工突触网络是以软件的形式存在的。我们正试图为便携式人工智能系统构建真正的神经网络硬件,”麻省理工学院机械工程副教授Jeehwan Kim表示。“想象一下,将一个神经形态装置连接到你车上的摄像头,让它识别灯光和物体并立即做出决定,而无需连接到互联网。我们希望使用节能的忆阻器来现场实时地完成这些任务。” 流浪的离子 忆阻器,或记忆晶体管,是神经形态计算的基本元素。在神经形态器件中,忆阻器将充当电路中的晶体管,尽管它的工作方式更类似于大脑突触——两个神经元的连接点。突触从一个神经元接收到离子形式的信号,然后向下一个神经元发送相应的信号。 传统电路中的晶体管通过在0和1这两个值中的一个之间切换来传输信息,并且只有当它接收到的电流信号具有一定强度时才这样做。相比之下,记忆电阻器会沿梯度工作,就像大脑中的突触一样。它产生的信号会根据它接收到的信号的强度而变化。这将使单个忆阻器具有多个值,因此比二元晶体管执行范围更广的操作。 和大脑突触一样,忆电阻器也能够“记住”与给定电流强度相关的值,并在下一次接收到类似电流时产生完全相同的信号。这可以确保一个复杂方程的答案或物体的视觉分类是可靠的——这一壮举通常涉及多个晶体管和电容器。 最终,科学家们设想记忆电阻器将比传统晶体管需要更小的芯片面积,使功能强大的便携式计算设备不依赖超级计算机,甚至不连接互联网。 然而,现有的忆阻器设计在性能上是有限的。一个单忆阻器是由一个正电极和一个负电极组成,由一个“开关介质”或电极之间的空间隔开。当一个电极被施加电压时,离子从该电极流过介质,形成一个“传导通道”到另一个电极。接收到的离子构成了记忆电阻器通过电路传输的电信号。离子通道的大小(以及忆阻器最终产生的信号)应与刺激电压的强度成正比。 Kim说,现有的记忆阻电阻器设计在电压刺激一个大的传导通道或者从一个电极到另一个电极的大量离子流动的情况下工作得很好。但是当忆阻器需要通过更薄的传导通道产生更微妙的信号时,这些设计就不那么可靠了。 传导通道越薄,从一个电极到另一个电极的离子流动越轻,单个离子就越难保持在一起。相反,他们倾向于离开群体,在媒介中解散。因此,在一定的小范围电流刺激下,接收电极很难可靠地捕获相同数量的离子,从而传输相同的信号。 借用冶金 金和他的同事们通过借鉴冶金学的一项技术找到了绕过这一限制的方法。冶金学是将金属熔合成合金并研究其综合性能的科学。 金说:“传统上,冶金学家试图在大块基质中加入不同的原子来强化材料,我们想,为什么不调整忆阻器中的原子相互作用,加入一些合金元素来控制介质中离子的运动。” 工程师通常使用银作为忆阻器正极的材料。金的研究小组查阅了文献,寻找一种可以与银结合的元素,有效地将银离子结合在一起,同时使银离子快速流经另一个电极。 研究小组认为铜是理想的合金元素,因为它能与银和硅结合。 金说:“它起到了桥梁的作用,稳定了银硅界面。” 为了用他们的新合金制造忆阻器,研究小组首先用硅制造了一个负极,然后通过沉积少量铜制造了一个正极,接着是一层银。他们把两个电极夹在非晶硅介质周围。就这样,他们用成千上万的忆阻器制成了一毫米见方的硅芯片。 作为芯片的第一次测试,他们重现了美国队长盾的灰色图像。他们将图像中的每个像素等同于芯片中相应的忆阻器。然后,他们调整了每个记忆电阻的电导,这些电导的强度与相应像素的颜色有关。 与其他材料制成的芯片相比,该芯片能产生同样清晰的盾牌图像,并能“记住”图像并多次复制。 研究小组还对芯片进行了图像处理,对记忆电阻编程以改变图像,在这个MIT的Killian Court案例中,采用了几种特定的方式,包括锐化和模糊原始图像。同样,他们的设计比现有的忆阻器设计更可靠地产生了重新编程的图像。 “我们使用人工突触来做真正的推理测试,”Kim说。“我们希望进一步发展这项技术,使其拥有更大规模的阵列来完成图像识别任务。有一天,你可能可以携带人工大脑来完成这些任务,而不需要连接到超级计算机、互联网或云。” 这项研究的部分资金来自麻省理工学院研究支持委员会基金、麻省理工学院- ibm沃森人工智能实验室、三星全球研究实验室和美国国家科学基金会。