Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

智能尘(Smart Dust):万有互联的下一步

近两年来,物联网的发展有了长足的进步。物联网模块已经进入了生活中的许多场景,例如智能水表,共享单车等等。随着物联网的下一步发展,我们预期会出现更多样形态的模组,而智能尘(smart dust)就是其中一种重要形态,可望帮助物联网进入更多场景。

Gartner把智能尘与机器学习、无人车一起列为未来重要趋势

智能尘的前世今生

“智能尘”,顾名思义,是一种把智能物联网模组做到灰尘一样的技术。“灰尘”的意思,一是表示尺寸特别小,二是表示无处不在。

智能尘的概念是无线传感器网络(wireless sensor network)的自然延伸,最早由UC Berkeley的Kris Pister在本世纪初提出。美国的DARPA对于智能尘特别感兴趣,因为智能尘可以大规模洒在需要监控的地方,等待智能尘源源不断地收集信息。为了满足这个场景的需求,智能尘需要满足几个核心需求:

1.尺寸小,可以轻松部署到各种环境中,最好能做到米粒大小或更小;

2.免维护,最好做到洒完就不用管;

3.成本低,这样可以做到大规模部署。

为了满足以上需求,在设计上带来了许多挑战。对于尺寸的需求,首先意味着电池容量有限,其次需要能够使用小尺寸天线做无线传输,最后要求模组集成度要高;免维护意味着不可能每过一阵就去更换电池,因此必须做超低功耗电路,甚至需要从环境中获取能量。归根到底,芯片技术上的挑战还是超低功耗、能量获取、小尺寸天线设计以及高集成度。

一旦物联网模组能做到智能尘的形态,就能进入许多新的应用场景。一个非常合适的例子就是监控环境,例如在智能工厂等对于温度、湿度等有要求的场合进行环境传感。此外,之前RFID的尺寸(常常平面面积在10平方厘米以上)对于一些应用(例如疫苗冷链、化学试剂等等)来说显得过大而且通信距离过近,因此限制了应用,而智能尘就能进入这些领域。最后,对于人体植入式应用来说,尺寸非常关键,智能尘也能成为关键技术。

部署在环境中的智能尘

我们可以把一切不植入人体的智能尘归为部署在环境中的智能尘。这类智能尘模组通常包含了传感器、无线传输模组、处理器和电池/能量获取单元。

部署在环境中的智能尘最常见的能量来源是薄膜电池加上可以从阳光中获取能量的太阳能电池,能支持的峰值功耗在10uW数量级,因此超低功耗电路设计是这类智能尘的关键。在无线数据传输模块方面,因为对于功耗的限制,常见的WiFi,NB-IoT,蓝牙等协议都不适用,而必须使用一套自创的通信协议(当然中心hub路由器可以用WiFi等标准协议与外界传递数据)。此外,智能尘与RFID的一个核心区别是智能尘需要可以长距离通信,因此智能尘中常用唤醒式接收机等超低功耗架构。一个相关的设计挑战在于天线:为了能维持10uW级别的功耗,无线系统无法工作在毫米波频段而必须工作在900MHz/2.4GHz/5GHz的ISM频段,然而如何把这些波段的天线做到毫米见方的智能尘模组里将是一个极大的挑战。一般来说,为了能获得合理的信号采集效率,天线尺寸要和载波波长可比拟,而这几个频段的波长都在厘米级别,因此把天线做到毫米尺寸就意味着较大的信号损失,这又进一步让射频电路的设计变得具有挑战性。一个成功的智能尘只有克服了这些问题才能真正投入实用。

在处理器方面,亚阈值设计成为必选项,而亚阈值设计的挑战也是巨大的,首先如何建立基于亚阈值的单元库就是并不容易的事,此外在亚阈值领域电路对于电压、工艺和温度较为敏感,如何保证电路在不同的情况下都能工作也不容易,往往需要专门的一些电路。最后,智能尘的处理器为了节省功耗大部分时间是处于休眠状态,但是定时器需要一直打开以按时唤醒处理器。为了维持超低功耗,定时器的功耗往往需要在nW以下。

最后,为了满足尺寸需求,在模块集成上也有讲究。传感器、电池和处理器、无线模块通常无法在一块芯片上实现;为了将多块芯片集成在一起,用二维的方式会造成面积太大,所以一般需要用三维堆叠的方式。

一个部署在环境中的智能尘的例子是有密歇根大学David Blaauw组设计的带压力传感器的智能尘(如下图)。在1.4mmx 2.8mm x 1.6mm的超小体积中,压力传感器、电池、MCU和无线射频模组以堆叠的形式集成在一起,其平均功耗仅为8nW,电池寿命可以长达一年以上。

植入人体的智能尘

能植入人体的智能尘将能极大地改善我们的医疗和保健,因此获得了非常多关注。目前的植入式电子设备,例如心脏起搏器,事实上是未来可植入式智能尘的初级版本。可植入智能尘一面可以作为传感器持续人体指标的持续监测,为一些慢性病管理提供精确化治疗的依据;另一方面可以作为激励器(stimulator)从而提供一些疾病(如癫痫等)的治疗方案,可以说是革命性的技术,甚至连Elon Musk都在布局植入大脑的neural dust技术,其重要性可见一斑。目前比较热门的相关医疗领域包括:

-可植入式血液指标监测:可以实现连续性的血液指标监测(例如血糖),从而帮助慢性病病患者更好地实现疾病管理;

-可植入式神经记录/激励:可以实现神经信号检测,实现脑机接口,同时也可以治疗癫痫、视力障碍、瘫痪等疾病;

-可植入式心血管监测:作为心脏起搏器的加强版本,可以在心血管事件发生时最短时间内进行干预从而降低风险;

-胶囊式肠胃镜:可以将用在消化道疾病的诊断,患者可以通过吞下胶囊完成肠胃镜而免去传统肠胃镜的痛苦过程。

植入人体的智能尘与部署在环境中的智能尘相比,在体积和超低功耗方面有类似的要求,在成本上可以接受更高的价格但是在可靠性和电池方面有更苛刻的要求。植入人体的设备,其对于可靠性的要求无需赘述,而对于电池的新要求主要是无法使用传统的太阳能电池,而必须使用其他方法来获取能量,例如定期无线充电。

可植入式智能尘的代表是Stanford大学的Amin Arbabian组的一系列工作。这些工作最特别的一点是使用超声波作为能量的来源和无线数据传递机制。由于此类植入式智能尘对于数据读出和充电的距离要求并不高,因此使用超声波可以完成相应任务。使用超声波的好处是超声波在进入人体组织时能量损耗较小,因此可以为人体较深处的智能尘充电。此外,还有一些其他研究组使用近场电磁感应进行充电和数据交换的,使用的机制所有所不同但也有异曲同工之妙。

智能尘的领跑者

目前智能尘的概念在学界已经获得了多年的研究,在业界也在获得越来越多的认可认同。在学界,密歇根大学的David Blaauw,Dennis Sylvester和David Wentzloff毫无疑问是智能尘的领军人物,在超低功耗电路设计、能量获取以及系统集成方面都做出了卓越的贡献。此外维吉尼亚大学的Benton Calhoun的工作也获得了学界的认可。David Blaauw等密歇根大学的教授的研究成果正在CubeWorks做商业化,而Calhoun则创办了PsiKicks。目前,CubeWorks已经发布了多款超微型智能尘,而Blaauw研究组包括超低功耗人工智能加速器、微瓦级录音芯片等技术预计也在商业化的过程中。在可植入式智能尘领域,Stanford的Amin Arbabian、Cornell的AloyshaMolnar、UCLA的Wentai Liu等也都在瘫痪治疗、光遗传学、肠道监控等领域做出了漂亮的工作。

密歇根大学David Blaauw组做的搭载超微型计算机的智能尘。左边的白色物体是用做参照物的一颗米粒。

智能尘领军人物David Blaauw的初创公司CubeWorks宣布有能力制造全球最小的计算机

在业界,IBM正在投入智能尘的开发,今年三月发布了号称搭载了全球最小计算机的智能尘。有意思的是,密歇根大学不能认同IBM的说法,于今年六月发布新闻说Blaauw教授等人的研究才是全球最小的计算机。在可植入式智能尘领域名气最大的大概是Elon Musk的初创公司Neuralink了,不过其neural dust什么时候能真正问世还不清楚。

结语

智能尘技术可望在未来几年内获得更多认可,学界研究的繁荣也将会带来一批由学界技术商业化而来的初创公司从而让智能尘在业界也获得更多关注。让我们拭目以待。

矽说
矽说

理论智能尘物联网机器学习
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括:在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化,以及尝试对学习集的剩余部分进行猜测,并且输出正确的结果。当与多个泛化器一起使用时,堆叠泛化可以被看作是一个交叉验证的复杂版本,利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时,堆叠泛化是一种用于估计(然后纠正)泛化器的错误的方法,该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

暂无评论
暂无评论~