原標(biāo)題：通過(guò)模擬ML實(shí)現(xiàn)前所未有的節(jié)能

　　模擬計(jì)算將是確保未來(lái)能夠支持ML的必要工具。

　　機(jī)器學(xué)習(xí) (ML) 的興起催生了一類全新的用例和應(yīng)用程序。具體而言，邊緣計(jì)算和邊緣 ML 增強(qiáng)了傳統(tǒng)設(shè)備監(jiān)控、分析和自動(dòng)化日常任務(wù)的能力。

　　盡管取得了這些進(jìn)步，但仍然存在一個(gè)主要挑戰(zhàn)：如何平衡這些設(shè)備的高功率需求。 機(jī)器學(xué)習(xí)應(yīng)用程序 滿足獨(dú)立電池供電設(shè)備的低功耗要求?對(duì)于這些應(yīng)用，傳統(tǒng)的數(shù)字電子產(chǎn)品不再是最佳選擇。模擬計(jì)算已成為在邊緣實(shí)現(xiàn)超低功耗ML的明顯選擇。

　　隨著邊緣ML的出現(xiàn)，該行業(yè)已經(jīng)看到響應(yīng)環(huán)境中刺激的智能設(shè)備的激增。例如，今天的許多家庭都托管了一個(gè)虛擬助手，如亞馬遜Alexa或Google Home，在執(zhí)行任務(wù)之前監(jiān)聽關(guān)鍵字。其他示例包括監(jiān)控框架中運(yùn)動(dòng)的安全攝像頭，以及在工業(yè)方面檢測(cè)工業(yè)機(jī)器性能異常的傳感器。

　　無(wú)論具體應(yīng)用如何，所有這些設(shè)備都從根本上依賴于 “始終在線”機(jī)器學(xué)習(xí)，如圖 1 所示。

　　圖 1：傳統(tǒng)的始終在線系統(tǒng)必須對(duì)所有數(shù)據(jù)進(jìn)行數(shù)字化和處理。

　　換句話說(shuō)，這些設(shè)備會(huì)持續(xù)監(jiān)視其環(huán)境中的某些外部觸發(fā)器，例如音頻關(guān)鍵字或異常事件。一旦檢測(cè)到這種刺激，設(shè)備就會(huì)被觸發(fā)。在智能助手的示例中，設(shè)備等待聽到關(guān)鍵字，然后將后續(xù)音頻發(fā)送到云端進(jìn)行處理。

　　關(guān)于這個(gè)方案，應(yīng)該注意兩個(gè)重要因素。首先，為了使方案正常工作，設(shè)備必須始終處于打開狀態(tài)，不斷感知可能隨時(shí)(或永遠(yuǎn)不會(huì))隨機(jī)發(fā)生的外部觸發(fā)的環(huán)境。其次，為了獲得最佳延遲和隱私，必須在邊緣執(zhí)行刺激檢測(cè)。

　　其結(jié)果是器件功率效率和性能之間的基本權(quán)衡。為了檢測(cè)刺激，機(jī)器必須持續(xù)開啟和 執(zhí)行機(jī)器學(xué)習(xí)計(jì)算 以確定感興趣的事件是否已發(fā)生。由于其中許多設(shè)備在相對(duì)高功率的數(shù)字片上系統(tǒng) (SoC) 上運(yùn)行相關(guān)的 ML 算法，因此它們只需等待觸發(fā)事件即可消耗大部分功率。

　　面向 ML 的模擬計(jì)算

　　在這些挑戰(zhàn)中，模擬計(jì)算最近以低功耗ML為目的而重新興起。

　　與通過(guò)符號(hào)計(jì)算(1和0)執(zhí)行算術(shù)運(yùn)算的數(shù)字計(jì)算相反，模擬計(jì)算依賴于精確的電壓和電流值。出于多種原因，模擬計(jì)算特別適合 ML 應(yīng)用。

　　一個(gè)主要原因是，幾乎所有 ML 應(yīng)用程序都從分析原始形式的數(shù)據(jù)(最初是模擬數(shù)據(jù))開始的。由于大多數(shù)傳感器的輸出是模擬信號(hào)，因此模擬計(jì)算之所以有意義，因?yàn)樗軌蛞詳?shù)據(jù)的原始格式進(jìn)行計(jì)算，從而節(jié)省功耗和時(shí)間，從而消除了 ML 工作流程中昂貴的模數(shù)轉(zhuǎn)換需求。

　　而且，計(jì)算要求 機(jī)器學(xué)習(xí)算法 與模擬計(jì)算機(jī)的功能很好地保持一致。例如，ML 中最基本的任務(wù)之一是乘法累加 (MAC) 函數(shù)。您 可以 通過(guò) 對(duì) 進(jìn)出 節(jié)點(diǎn) 的 電流 求和， 輕松 實(shí)現(xiàn) 模擬 電路 中的 MAC 功能。事實(shí)上，MAC功能需要許多晶體管來(lái)實(shí)現(xiàn)數(shù)字實(shí)現(xiàn)，而只需使用幾個(gè)晶體管就可以更有效地在模擬中完成。

　　最后，與數(shù)字計(jì)算相比，應(yīng)用能夠以明顯更低的功耗執(zhí)行模擬MAC功能和其他模擬計(jì)算。

　　模擬機(jī)器學(xué)習(xí)解決方案

　　目前市場(chǎng)上很少有模擬計(jì)算解決方案。然而，在可用的解決方案中，Aspinity的解決方案尤其獨(dú)特。

　　無(wú)脊椎性產(chǎn)生 模擬機(jī)器學(xué)習(xí)芯片 旨在以原始格式檢測(cè)和分類傳感器驅(qū)動(dòng)的事件。如圖2所示，該芯片由不同的級(jí)組成，包括模擬輸入/輸出(I/O)、傳感器接口、信號(hào)分解和多層神經(jīng)網(wǎng)絡(luò)。

　　圖 2：Aspinity 模擬 ML 芯片的框圖。(來(lái)源：阿斯皮尼蒂)

　　每個(gè)級(jí)都由可配置的模擬模塊(CAB)組成，這些模擬模塊是特定于功能的模擬模塊，用戶可以通過(guò)軟件根據(jù)其特定需求進(jìn)行編程和配置。

　　在這些模塊中是Aspinity專有的模擬非易失性存儲(chǔ)器(NVM)。NVM 存儲(chǔ)偏差和權(quán)重等值，并允許系統(tǒng)微調(diào) CAB，以考慮由固有現(xiàn)象(如不匹配和溫度)引起的可變性。使用 NVM，您可以確保每個(gè)模擬電路按預(yù)期運(yùn)行，并且彼此完全相同。

　　用戶可以利用這些工具根據(jù)其應(yīng)用需求定制解決方案，支持各種輸入傳感器類型和數(shù)字 I/O 兼容性。

　　模擬電源效率

　　由于高度可靠和高性能模擬計(jì)算的出現(xiàn)，對(duì)于始終在線的ML，存在一種很有前途的電源效率解決方案。

　　系統(tǒng)可以利用模擬計(jì)算來(lái)執(zhí)行智能設(shè)備所需的始終在線的 ML 處理，如圖 3 所示。

　　圖 3：使用模擬計(jì)算，可以顯著降低始終在線的 ML 系統(tǒng)功耗。

　　在這種架構(gòu)中，Aspinity的模擬ML芯片可以位于傳感器和數(shù)字電子設(shè)備之間。這里，上游 模擬芯片 將持續(xù)對(duì)原始傳感器數(shù)據(jù)執(zhí)行必要的ML計(jì)算，并在檢測(cè)到觸發(fā)器時(shí)喚醒必要的下游數(shù)字電子設(shè)備。

　　這種設(shè)置的主要好處是前所未有的節(jié)能。與高耗電的數(shù)字電子設(shè)備始終處于打開狀態(tài)的傳統(tǒng)架構(gòu)相反，該解決方案允許關(guān)閉數(shù)字電子設(shè)備，除非需要它們。

　　同時(shí)，模擬處理器以~20 μA的極小功耗執(zhí)行始終在線的事件檢測(cè)。因此，最初消耗約7450 μA的系統(tǒng)現(xiàn)在可以消耗低至70 μA或更低，具體取決于應(yīng)用。

　　為了進(jìn)一步量化這一優(yōu)勢(shì)，內(nèi)部測(cè)試表明，與傳統(tǒng)方案相比，語(yǔ)音檢測(cè)等常見應(yīng)用在增加模擬計(jì)算后，能效可提高92×倍。其他應(yīng)用，如玻璃破碎檢測(cè)，已證明節(jié)能高達(dá)105×。

　　面向未來(lái)邊緣的模擬

　　隨著邊緣 ML 成為我們技術(shù)世界中越來(lái)越重要的一部分，對(duì)電源效率的需求從未如此之大。在所有可用的解決方案中，模擬計(jì)算(經(jīng)證明可將功耗降低幾個(gè)數(shù)量級(jí))具有推動(dòng)該領(lǐng)域發(fā)展的獨(dú)特優(yōu)勢(shì)。

　　為了確保一個(gè)可以支持ML的未來(lái)，我們已經(jīng)習(xí)慣了一種可行和可持續(xù)的方式，在這里 模擬計(jì)算 將是一個(gè)必要的工具。