比利时微电子中心（IMEC）推出全球首个采用脉冲神经网络（SNN）处理雷达信号的芯片。芯片采用模仿生物神经元群识别时间模式的运作方式，功耗比传统的实现方式低100倍，延迟降低了10倍，几乎可以实现即时决策。如只需30μW的功率就可以对微型多普勒雷达信号进行分类。该芯片架构和算法可以很容易地调整以处理各种传感器数据，包括心电图、语音、声纳、雷达和激光雷达流等。首个应用案例将包括为无人机创建一个低功耗、高智能的防碰撞雷达系统，可以更有效地对接近的物体做出反应。

需求背景

人工神经网络（ANN）已得到广泛应用领域，并证明了其价值，例如是汽车产业雷达防撞系统的一个重要组成部分。但ANN也有局限性。首先，功耗太大，无法集成到越来越受限制的（传感器）设备中。其次，底层架构和数据格式化使得数据从传感器设备到人工智能推理算法需要耗费一定时间才能做出决策。因此，脉冲神经网络（SNN）进入视野。

重要优势

IMEC的新型芯片最初是为了支持心电图（ECG）和语音处理在功率受限的设备中使用而设计。但因其通用架构采用了全新的数字硬件设计，可以很容易地进行重新配置，以处理声纳、雷达和激光雷达数据等各种其他传感输入。

SNN的工作原理与生物神经网络非常相似，其中神经元只有在传感输入发生变化时才会发射稀疏电脉冲。因此，能量消耗可以大大降低。更重要的是，芯片上的脉冲神经元可以循环连接，将SNN变成一个学习和记忆时间模式的动态系统。

与模拟SNN实现方式不同的是，IMEC的事件驱动的数字设计使芯片的行为与神经网络仿真工具所预测的一样，准确而反复地进行。

应用案例

无人机行业使用在受限的设备（如电池容量有限），需要对环境的变化做出快速反应，以便对接近障碍物做出适当的反应。IMEC神经传感项目经理Ilja Ocket说：“因此，我们新芯片的首个典型应用包括为无人机创建一个低延迟、低功耗的防撞系统。通过在雷达传感器附近进行处理，我们的芯片应能使雷达传感系统更快、更准确地区分接近的物体，因而将使无人机几乎能够在瞬间对潜在的危险情况做出反应。

我们目前正在探索的一个应用场景是自主无人机依靠机载摄像头和雷达传感器系统进行室内导航，在执行复杂任务时与墙壁和货架保持安全距离。这项技术还可以有很多其他使用场景---从机器人场景到自动导引车（AGV）的部署，甚至是健康监测。”

自评

Ilja Ocket说：“今天，我们推出了世界上首款使用递归的脉冲神经网络处理雷达信号的芯片。我们今天引入的技术是真正的自学习系统发展的一大飞跃。”

IMEC的物联网（IoT）认知传感项目总监Kathleen Philips总结道：“这款芯片满足了业界对极低功耗神经网络的需求，能够真正从数据中学习，实现个性化人工智能。为了它的诞生，我们召集了IMEC内部各个学科的专家，从以神经科学为基础的训练算法和脉冲神经网络架构的研发，到生物医学和雷达信号处理和超低功耗数字芯片设计。这就是imec真正的优势所在。”