我們使用的傳感和計算設(shè)備無處不在，而且會不斷增多，設(shè)備始終處于工作狀態(tài)，因此功率變得越來越重要。最好的例子就是放在辦公桌上、口袋里以及散布家中各處的聲控設(shè)備。關(guān)鍵詞捕捉是目前各種神經(jīng)擬態(tài)技術(shù)的一個目標。

硅耳蝸

2020年，神經(jīng)擬態(tài)工程學Misha Mahowald獎的獲得者是Shih-Chii Liu教授及其團隊，他們一直致力于研究低延遲、低功率傳感器，用于語音檢測。蘇黎世神經(jīng)科學研究所（INI）的Shi-Chii Liu及其團隊開發(fā)的動態(tài)音頻傳感器拓展了這一市場（圖1）。傳感器的核心是一個生物仿真硅耳蝸。首先，它利用一組模擬帶通濾波器將輸入的聲音濾入到各個頻道，并在輸出側(cè)對其進行半波整流。這組電路仿真耳朵中毛細胞的功能。

圖1：A.在常見的音頻系統(tǒng)中，聲音首先通過模數(shù)轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字信號，然后使用數(shù)字快速傅立葉變換（FFT）和帶通濾波（BPF）提取信號特征。這些信號由數(shù)字信號處理器（DSP）運行語音端點檢測（VAD）或自動語音識別算法進行處理。B.在蘇黎世INI的動態(tài)音頻傳感器中，接收信號為模擬音頻頻帶，其特征和變化被并行編碼成一系列的異步尖峰信號（事件），隨后進行處理。

這一過程類似于生物學中讓不同通道為大腦的處理做好準備。在人耳中，神經(jīng)節(jié)細胞將信號快速編碼為一串化學離子；在硅耳蝸中，則被轉(zhuǎn)換成電尖峰信號。這一步可以通過使用常用的IF神經(jīng)元模型或異步增量調(diào)制器（ADM）來完成：ADM將信號與兩個閾值進行比較，并在信號超過閾值時發(fā)送事件——相當于信號特征提取器。因為忽略了不變的信號，從而減少了傳遞到下一級的冗余信息。

從功率的角度來看，在沒有任何活動時，硅耳蝸幾乎不會消耗任何電量，隨著活動的增加，尖峰信號的數(shù)量也隨之增加。對于一直在聽卻很少進行處理的應用而言，這是一個巨大的優(yōu)勢；而當應用一直需要對相關(guān)內(nèi)容進行解碼時，則沒有明顯的功耗優(yōu)勢。

由于這種音頻傳感器的功耗只有幾微瓦，系統(tǒng)設(shè)計人員在設(shè)計中可以將其作為一個很有用的選擇，以便提高電源效率。此外，該音頻傳感器是在連續(xù)時間內(nèi)工作，尖峰之間的距離可近可遠，因此它也支持非常高的動態(tài)范圍。

語音識別

這項工作的關(guān)鍵是證明硅耳蝸的有用性，具體而言，就是由硅耳蝸產(chǎn)生的事件串流可以用于語音端點檢測（關(guān)鍵詞識別的第一階段）等實際應用中。Liu和她的團隊成功地做到了，他們使用事件輸出來創(chuàng)建2D數(shù)據(jù)幀，尖峰信號到達的直方圖在5ms的幀上按頻率排列。這即是類耳蝸圖，可以由神經(jīng)網(wǎng)絡讀入并解碼其含義。

“IEEE ISSCC社群對在傳感器上使用深度網(wǎng)絡非常感興趣，音頻邊緣計算正在興起，深度網(wǎng)絡出現(xiàn)得非常及時。”Liu說，“現(xiàn)在已經(jīng)有很多利用低功耗專用集成電路（ASIC）進行關(guān)鍵詞識別的論文，但這些論文都采用類似頻譜圖的常規(guī)功能。我們的一個目標是要證明混合方案（混合模擬信號設(shè)計）可以提供更低的功率，減少響應延遲。”

去年INI發(fā)布了一段視頻，展示了數(shù)字識別系統(tǒng)。該系統(tǒng)現(xiàn)在仍處于開發(fā)初期，還不是絕對可靠。Liu的團隊成員還有Minhao Yang、Chang Gao、Enea Ceolini、Adrian Huber、Jithendar Anumula、Ilya Kiselev和Daniel Neil，多年來他們還研究了傳感器融合，將音頻和視頻信息結(jié)合起來，以進行更可靠的分類。他們一直遵循初期的設(shè)計準則來決定什么時候應該選擇模擬傳感器，什么時候應使用數(shù)字傳感器。

?

他們的另一個目標是提高數(shù)據(jù)采集系統(tǒng)（DAS）的電源效率和性能，包括利用源極跟隨器實現(xiàn)帶通濾波器，以及設(shè)計模擬特征提取器。

減少模擬電子器件易變性的影響是另一個重要的研究領(lǐng)域。為了解決這個問題，Liu及其團隊設(shè)計了一個硬件仿真器。他們表示，與Cadence Virtuoso這樣的商用軟件相比，該仿真器可以更快地測試這些問題。使用軟件而非硬件來訓練二進制神經(jīng)網(wǎng)絡進行分類，能夠準確預測多種測試芯片的分類性能。Liu及其團隊正在考慮在系統(tǒng)中增加噪音來測試其易變性，使設(shè)計過程更加穩(wěn)健。

Mahowald獎

Liu是神經(jīng)擬態(tài)工程學的早期研究者之一，她在加州理工Carver Mead的實驗室工作過，是蘇黎世神經(jīng)信息學研究所的創(chuàng)始人之一，當時研究組許多人員離開加州前往蘇黎世。Mahowald（圖2）也曾在該實驗室工作。

在獲得該獎項時，Liu說：“我們很榮幸能夠獲得這個獎項，特別是與這么多神經(jīng)擬態(tài)工程學的優(yōu)秀研究人員一起。這項工作建立在數(shù)十年早期硅耳蝸設(shè)計的基礎(chǔ)上，是Dick Lyon、Carver Mead、Lloyd Watts、Rahul Sarpeshkar、Eric Vittoz和Andre van Schaik的工作的延續(xù)。

談到神經(jīng)擬態(tài)工程學的重要性，她說：“即便摩爾定律走到盡頭，數(shù)字計算的能效仍比生物學的落后，只有其千分之一。因此，DAS這類混合模擬電子系統(tǒng)能達到什么樣的效率比以往任何時候都更加重要。”
? ? ? ?責任編輯:pj