يعمل نظام AI على رقاقة على الطاقة الشمسية

التحديث: 9 ديسمبر 2023

يُستخدم الذكاء الاصطناعي في مجموعة من التطبيقات المفيدة، مثل التنبؤ بعمر الآلة من خلال اهتزازاتها، ومراقبة نشاط القلب لدى المرضى، ودمج قدرات التعرف على الوجه في أنظمة المراقبة بالفيديو. الجانب السلبي هو أنه يعتمد على الذكاء الاصطناعي التكنلوجيا تتطلب بشكل عام قدرًا كبيرًا من الطاقة، وفي معظم الحالات، يجب أن تكون متصلة بشكل دائم بالسحابة، مما يثير مشكلات تتعلق بحماية البيانات وأمن تكنولوجيا المعلومات واستخدام الطاقة.

ربما وجد مهندسو CSEM طريقة للتغلب على هذه المشكلات، وذلك بفضل النظام الجديد الموجود على الرقاقة الذي قاموا بتطويره. فهو يعمل على بطارية صغيرة أو خلية شمسية صغيرة وينفذ عمليات الذكاء الاصطناعي على الحافة، أي محليًا على الشريحة وليس في السحابة. علاوة على ذلك، فإن نظامهم معياري بالكامل ويمكن تخصيصه ليناسب أي تطبيق يتطلب الإشارة في الوقت الفعلي ومعالجة الصور، خاصة عندما يتعلق الأمر ببيانات حساسة. سيقدم المهندسون أجهزتهم في 2021 VLSI المرموق الدوائر ندوة في كيوتو في شهر حزيران (يونيو) المقبل.

يعمل نظام CSEM على الرقاقة من خلال بنية جديدة تمامًا لمعالجة الإشارات تقلل من كمية الطاقة المطلوبة. وهو يتألف من شريحة ASIC مع معالج RISC-V (تم تطويره أيضًا في CSEM) واثنين من مسرعات التعلم الآلي المقترنة بإحكام: أحدهما لاكتشاف الوجه، على سبيل المثال، والآخر للتصنيف. الأول هو محرك شجرة القرار الثنائية (BDT) الذي يمكنه أداء مهام بسيطة ولكن لا يمكنه تنفيذ عمليات التعرف.

يقول رئيس قسم أبحاث النظام على الرقاقة في CSEM ، "عندما يتم استخدام نظامنا في تطبيقات التعرف على الوجه ، على سبيل المثال ، سيجيب المسرع الأول على أسئلة أولية مثل: هل يوجد أشخاص في الصور؟ وإذا كان الأمر كذلك ، فهل وجوههم مرئية؟ ". إذا تم استخدام نظامنا في التعرف على الصوت ، فسيحدد المسرع الأول ما إذا كانت الضوضاء موجودة وما إذا كانت هذه الضوضاء تتوافق مع الأصوات البشرية. لكنها لا تستطيع تحديد أصوات أو كلمات معينة - وهنا يأتي دور المسرّع الثاني. "

المسرع الثاني هو محرك شبكة عصبية تلافيفية (CNN) يمكنه أداء هذه المهام الأكثر تعقيدًا - التعرف على الوجوه الفردية واكتشاف كلمات معينة - ولكنه أيضًا يستهلك المزيد من الطاقة. يعمل نهج معالجة البيانات ثنائي المستوى هذا بشكل كبير على تقليل متطلبات طاقة النظام ، نظرًا لأنه في معظم الأحيان يتم تشغيل المسرع الأول فقط.

كجزء من بحثهم ، عزز المهندسون أداء المسرعات بأنفسهم ، مما جعلها قابلة للتكيف مع أي تطبيق تتطلب معالجة الصور والإشارات على أساس الوقت. يقول الباحث: "يعمل نظامنا في الأساس بنفس الطريقة بغض النظر عن التطبيق". "علينا فقط إعادة تكوين الطبقات المختلفة لمحرك CNN الخاص بنا."

يفتح ابتكار CSEM الباب أمام جيل جديد تمامًا من الأجهزة المزودة بمعالجات يمكنها العمل بشكل مستقل لأكثر من عام. كما أنه يقلل بشكل كبير من تكاليف التركيب والصيانة لهذه الأجهزة ، ويتيح استخدامها في الأماكن التي يصعب فيها تغيير بطارية.