物理コンピューティングに基づくアナログ音声認識

科学分野:

• コンピュータ科学
• 材料科学
• 電気工学

背景:

• エッジデバイス (IoT,自動運転,ヘルスケア) の分散型コンピューティングには,時間依存の信号の効率的で低電力処理が必要です.
• 従来のプロセッサは,フォン・ノイマン・ボトルネックとドメイン変換により限界に直面し,エッジシステムの性能を阻害します.
• インマテリアコンピューティングは,この制限を克服するための新しいアプローチを提供し,素材自体の中で計算を実行します.

研究 の 目的:

• 効率的な特徴抽出と分類のために in-materia コンピューティングを利用したエッジ タイムシグナル プロセッサを提案し,実証する.
• 遅延と電力消費を大幅に削減したベンチマークスピーチデータセットでソフトウェアに近い精度を達成します.
• コンパクトで効率的で高性能の異質なスマート・エッジプロセッサの開発を進める.

主な方法:

• 原始音声信号からアナログのタイムドメイン機能抽出のための非線形,室温再構成可能な非線形処理ユニット層を開発しました.
• ニューラルネットワーク分類のためのメモリ型クロスバー配列を備えたコンパクトのアナログインメモリコンピューティングチップを実装した.
• TI-46-WordとGoogle Speech Commandsのデータセットでシステムを訓練し,評価しました.

主要な成果:

• ベンチマークデータセットでの音声コマンド認識のソフトウェアに近い精度を達成しました.
• 処理パイプライン全体のサブミリ秒のレイテンシーが実証されています.
• 報告された低エネルギー消費: ~300 nJの特徴抽出と ~78 μJの分類 (潜在的に ~10 μJまで).

結論:

• 提案されたインマテリアコンピューティングベースのエッジタイムシグナルプロセッサは,効率的なエッジAIのための有望なソリューションを提供します.
• このシステムの高精度,低レイテンシー,最小限の電力消費は 先進的で異質なスマートエッジデバイスの道を開きます.
• この研究は,時間依存のシグナルに対するエッジ処理に革命をもたらすインマテリアコンピューティングの可能性を強調しています.