机器学习处理引擎可构建具有气味识别功能的灵活设备


近年来,柔性电子产品的开发有所增加:可以拉伸的电子组件可以开发智能手表,健身追踪器或其他可穿戴智能设备 。柔性电子设备通常是通过在诸如塑料或纸之类的柔性材料基底上施加电子电路而制成的 。
柔性芯片可用于制造低成本,极薄,可弯曲且佩戴舒适的设备 。尽管它们的特性使其比某些在硅片上制造的常规电子产品更适合某些应用,但到目前为止,并非所有这些芯片都达到了理想的性能 。
Arm和PragmatIC的研究人员最近使用低成本的柔性芯片制造了机器学习(ML)处理引擎,该引擎可用于构建具有先进数据处理能力的各种智能设备 。他们的论文发表在《自然电子学》上,专门展示了其发动机在涉及识别气味的应用中的使用 。
进行这项研究的研究人员之一埃姆雷·奥泽(Emre Ozer)表示:“ Arm Research与PragmatIC有着密切的研发合作,PragmatIC具有基于金属氧化物薄膜晶体管(TFT)的低成本柔性IC制造技术 。” “这项技术具有在低成本柔性基板上制造处理引擎的巨大潜力,它可以使数十亿个物体变得'更智能',而成本却在美分而不是美元之间 。”
由Ozer和他的同事开发的ML处理引擎可以直接连接到检测与气味相关的化学信息的传感器上,这种传感器称为“电子鼻”(电子鼻) 。然后,它分析此信息并尝试确定传感器闻到的气味 。
Arm和PragmatIC的团队致力于最近的项目,与曼彻斯特大学的研究人员密切合作,他们专门研究基于低成本塑料基材的柔性电子鼻传感器 。新的有线ML引擎是此次合作的结果 。
Ozer说:“我们的引擎实现了我们也开发的称为'Univariate Bayes特征投票分类器'的ML算法 。” “处理引擎是硬连线的,因为在训练阶段之后学习到的ML参数是固定的(即,不会在设备的整个生命周期内发生变化) 。它包含大约1000个门,这是一种非常节省资源的设计 。”
尽管引擎的ML参数是固定的且无法编程的事实似乎不利,但硬连线ML引擎的当前目标市场是快速消费品(FMCG),很少需要重新编程 。实际上,生产快速消费品的公司的首要任务是确保能够快速,大量,低成本地生产商品,因为它们也会被快速消费 。
例如,可以将引擎集成到塑料包装中,以处理包装食品的气味 。包装食品往往会很快过期,并且货架期很短,因此,一旦客户食用产品,包装和其中的柔性电子组件就会被丢弃 。结果,ML引擎的寿命很短,不需要重新编程 。
Ozer说:“早在2004年,通用或可编程处理器就在柔性基板上制造出来了 。” “这些柔性处理器是使用低温多晶硅(LTPS)TFT技术开发的,制造成本很高 。因此,该技术不适用于实现超低成本电子产品 。使用金属技术开发了算术逻辑单元2014年,IMEC在柔性基板上使用了氧化膜TFT,但这是概念验证的原型,计算能力有限 。”
【机器学习处理引擎可构建具有气味识别功能的灵活设备】由Ozer和他的同事开发的引擎比过去制造的大多数可编程和灵活处理器具有更多(更高级)的功能 。实际上,它是有史以来使用金属氧化物TFT构建的最复杂的柔性集成电路(IC) 。尽管该引擎由大约1000个门组成,但其门密度比其他基于金属氧化物TFT技术的现有数字IC的门密度大约高20-45倍 。
在开发柔性电子设备时,通常单独制造不同的电子组件(例如传感器,能量收集器,处理器等),然后将其组合为单个设备 。然而,迄今为止,已经证明将柔性部件集成到单个系统中比将常规电子部件组合起来困难得多 。研究人员现在计划将引擎与其他组件(例如电子鼻传感器和数字接口)集成后,继续测试其性能 。
奥泽说:“在这一研究领域中的系统集成还不如传统电子设备成熟 。” “展望未来,Arm Research和PragmatIC已经开始与曼彻斯特大学合作,将柔性电子鼻传感器集成到单个柔性系统中,包括柔性传感器读出接口和ML 引擎 。”

    推荐阅读