Descripción del proyecto
Codificación e interacciones de sensores
Los sensores de consumo de energía ultrabajo que incorporan inteligencia artificial necesitan un convertidor de señal analógica a digital (ADC, por sus siglas en inglés) antes del bloque de procesamiento de señales, el cual se implementa con una red neuronal. Para implementar sensores integrados, se utilizan ADC basados en osciladores controlados por tensión (VCO, por sus siglas en inglés), lo cual requiere el desarrollo de una nueva celda multiplicadora-acumuladora (MAC, por sus siglas en inglés) para la primera capa de la red neuronal que funciona con señales provenientes del VCO, así como de una interfaz adecuada del VCO con los sensores existentes. Sin embargo, los métodos de interacción del sensor mediante VCO y la implementación una unidad MAC decodificadora de fase/frecuencia para la red neuronal se han probado por separado. El proyecto financiado con fondos europeos TEVI tiene como objetivo combinar ambos en beneficio de la investigación y de aplicaciones industriales. Para lograrlo, eliminará el ADC de antes de la red neuronal conectando directamente a esta el sensor y codificando las señales del sensor con un VCO.
Objetivo
The research of this EID focuses on ultra-low power sensors incorporating artificial intelligence. The current solution for such systems requires an analog-to-digital converter (ADC) prior to the signal processing block, usually implemented with a neural network (NN). The innovation consists of removing the ADC prior to the NN by directly coupling the sensor to it and encoding the sensor signals with a voltage-controlled-oscillator (VCO). VCO-based ADCs have been used to implement integrated sensors. Achieving this goal requires to develop a new multiply-accumulate cell (MAC) for the first layer of the NN that operates with signals from the VCO, and a suitable VCO interfaces with existing sensors. In most applications, the raw data form the sensor is required as well. Here, signals coming from the VCO can also be converted to a sampled sequence by enabling a digital decoder, which is not needed when detecting a pattern in the NN. As a benefit, power consumption can meet the requirements of battery-operated products. Power improvement comes from both the ADC removal and the power efficiency of the NN implementation. Approaches to implement a sensor interface using a VCO and to implement a phase/frequency-encoded MAC unit (P-MAC) for a NN have been attempted separately but, there is no combination of both ideas. The research in this EID tries to bridge this gap. This architecture can be useful for both research and industrial applications, such as neural probe chips, wearable electronics or battery powered IoT devices. This EID proposal requires intersectoral involvement of both academia and the industry, to develop a doctoral program and train researchers that will be in high demand by having the specific skills developed in this research. We have selected waterproof smart microphones as an application to benefit from this research, which may directly lead to a product development of interest to microelectronic industries in the EU producing MEMS microphones.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informacióninternetinternet de las cosas
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicasensores
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Régimen de financiación
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Coordinador
28903 Getafe (Madrid)
España