智東西（公眾號：zhidxcom）
編譯 | 林卓瑋
編輯 | Panken
智東西12月23日訊息，據TechXplore報道，香港理工大學的科研人員近日在《自然·電子學》期刊上釋出了一項研究，創造性地提出了近感測器計算（Near-Sensor Computing）、感測器內計算（Near-Sensor Computing）的方法。
《近感測器和感測器內計算（Near-Sensor and In-Sensor Computing）》一文釋出在《自然·電子學》上
論文連結：https://www.nature.com/articles/s41928-020-00501-9#citeas
在傳統的感測計算架構中，感測器和計算單元被分開放置，兩者之間存在一定距離。而在近感測器計算、感測器內計算架構中，感測器和計算單元之間的距離大大縮小，甚至趨近於零。
這兩種計算方法能夠將部分計算任務從計算單元轉移到感測終端（Sensory Terminal），在減少功耗的同時，還能提升演算法的效率，從而更好地應對日益增長的資料計算需求。
該文作者、香港理工大學應用物理學系副教授柴揚博士在接受TechXplore採訪時說道：“物聯網上的感測器節點數持續高速增加。到2032年，感測器的數量將達到45萬億，相當於每秒能生成高達1020位元的資訊。因此，有必要將部分計算任務從雲計算中心轉移到邊緣裝置，減少能耗和時間延遲、節省通訊頻寬並增強資料安全性和隱私性。”
一、什麼是近感測器計算、感測器內計算？隨著接入網際網路的裝置數不斷增加，感測終端和計算單元之間的冗餘資料傳輸量日益增長。在感測終端附近或內部進行運算能提高資料處理的效率、降低計算功耗，並減少在感測終端和處理單元間傳輸的冗餘資料。
在題為《近感測器和感測器內計算（Near-Sensor and In-Sensor Computing）》的論文中，柴揚博士及其研究團隊概述了近感測器計算、感測器內計算的概念。
由於感測器和計算單元具有不同的功能，它們的材料、內部結構、設計、處理系統往往也不盡相同。
在傳統的感測計算架構中，感測器和計算單元通常是分開放置的，兩者之間存在一定距離。而在近感測器計算、感測器內計算架構中，感測器和計算單元間的距離大大縮短，甚至趨近於零。
在近感測器計算系統中，處理單元（或加速器）位於感測器旁邊，處理單元（或加速器）可以在感測器端點執行特定操作。這種計算方法可以提高系統的整體效能，並最大程度地減少冗餘資料的傳輸。
在感測器內計算體系中，單個感測器或多個互聯的感測器可以直接處理採集到的資訊。這種方法既不需要處理單元，也不需要加速器，更無須將感測單元和計算單元整合在一起。
除了介紹了近感測器和感測器內計算的概念，這篇論文還將感測計算分為低階處理和高階處理兩種。
低階處理指的是透過抑制噪聲或失真、資料預處理，從大量原始資料中初步和選擇性地提取有用資料。高階處理則涉及到認知過程的抽象表徵，需要識別出是“什麼”，以及從“哪裡”輸入訊號。
二、兩大技術難題：單元整合難、適用範圍小柴揚博士及其研究團隊目前關注的主要是視覺感測器。
視覺感測器採集的資料量巨大，相應地也對計算能力提出了更高的要求。
在此前的一項研究中，柴揚博士和他的同事試圖在感測終端級別執行資訊處理任務，並使用光電電阻式開關儲存陣列（optoelectronic resistive switching memory array）來證明感測器收集的預處理影象可以提高影象識別演算法效能。
柴揚博士說：“在這項研究之後，我提出了感測器內的計算方法，這套方法基於新的硬體平臺，能夠以相同或更少的功率同時實現新功能、高效能和高能效。”
然而，近感測器計算體系和感測器內計算體系分別面臨著感測單元和計算單元難整合、適用範圍有限的技術難題。
柴揚博士解釋說：“近感測器計算體系的一大挑戰便是整合感測單元和計算單元。儘管單片3D整合技術（monolithic 3D integration）提供了一種提高單元間密度、縮短單元間距離的方法，但其工藝複雜，且存在散熱問題。”
《近感測器和感測器內計算（Near-Sensor and In-Sensor Computing）》一文介紹的單片3D整合技術（monolithic 3D integration）
此外，感測器內計算方法僅適用於特定場景，而且該技術所需的創新材料和裝置結構尚還處於開發初期。
三、離實際應用尚有距離柴揚博士說：“近/感測器內計算是一個跨學科的研究領域，涉及材料、裝置、電路、體系結構、演算法和整合技術。”
在這篇論文中，柴揚團隊在提出概念之餘，還提出了感測單元和計算單元的整合方案。他們的研究成果可能會激發學界各領域進一步的研究，以更先進的製造技術實現上述構想。
儘管柴揚團隊目前工作重心主要集中在視覺感測器上，但是近感測器和感測器內計算方法也可以擴充套件到其他種類的感測器，如檢測聲音、壓力、汙點、化學，甚至生物訊號的感測器。
柴揚博士談到未來的研究計劃時說道：“我們希望將這套方法擴充套件到不同的應用場景。此外，大多數現有研究仍停留在較小規模，遠遠未達到實際應用的程度。在未來，我們將增加裝置數量、將其與外圍電路連線，從而構建一整套系統，進一步探索如何擴大設計規模。 ”
結語：邊緣計算應對爆炸式增長的資料處理需求隨著人工智慧、物聯網、5G等前沿技術的落地和發展，接入網路的終端使用者和機器越來越多，整體資料呈爆炸式增長態勢。
面對海量資料的處理需求，中心式的資料處理方式已經難以招架，出現了延遲大、響應慢等問題。
而邊緣計算，作為一項新興計算技術，也越來越多地出現在銀行轉賬等時間性敏感度高的應用場景。
透過在靠近物或資料來源頭的一側進行資料處理，邊緣計算大大地提高了運算效率，降低了能耗。
柴揚博士團隊的這項最新研究成果實質上便是物聯網邊緣計算的一種。隨著越來越多的研究團隊投入相關研究，邊緣計算未來將愈發成熟並逐漸擴充套件應用到更多場景。
來源：TechXplore