权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

超小型バッテリーレスセンシングプラットフォームための機械学習チップ

用于超紧凑无电池传感平台的机器学习芯片

基本信息

批准号：
22K17879
负责人：
横式康史
金额：
$ 2.91万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

環境問題への対策として、微小なエネルギーを回収してデバイス動作に用いるエナジーハーベスティングが有効である。微細化が可能な小型太陽電池とCMOS回路を組み合わせることで、これまでにないサイズのデバイスを作製可能となる。そのデバイス駆動のためには、得られるエネルギーがごく微量であることから、できる限り低消費電力化がなされることが望ましい。一般にシステム制御に用いられるのはCPUだが、専用のデジタル回路と比較すると消費電力の高さが課題となる。専用回路をCPUを補佐する目的で用いられることもあるが、専用回路はチップ製作後に書き換え不能であるため、製作コストの高いCMOSチップ専用となってしまう。CPUの良さはプログラム書き換え可能であることなので、その利点を潰してしまう。その問題解決策の一つとして、機械学習回路がある。CPUより低消費電力であり、その重みを書き換えることでチップ製作後もその機能を一部変更することが可能である。このような機械学習回路において、一般には画像処理などで大規模なデータのアクセラレータとしての利用は進んでいるが、エナジーハーベスティングを目的とした規模の小さい機械学習回路についての研究はあまり進んでいない。そこで本研究では、最適な機械学習回路を選定するとともに、エナジーハーベスティングに用いるための機械学習チップに必要なMLのパラメータを検証し、最適化されたパラメータから実際にチップを製作しその有用性を検討した。本年度は、機械学習回路作製のための環境整備、及び試作用の機械学習回路の選定とFPGAによる実装、0.18um 標準CMOSプロセスによる回路実装を行った。

Environmental issues are addressed in the context of environmental protection, environmental protection and environmental protection. Miniaturization is possible for small solar cells and CMOS circuits. For example, if you want to buy a car, you can buy a car. The problem of high power consumption in general system control is that the CPU is divided into two parts, and the system control circuit is compared with the system control circuit. The dedicated circuit can be used for the purpose of supplementing the CPU, the dedicated circuit cannot be replaced after the chip is made, and it is necessary to make a high-tech CMOS chip for the device. CPU's ability to switch to a different language is not limited to the following: A solution to the problem, a mechanical learning loop. CPU power consumption is low, and it is possible to change some functions after production. The mechanical learning loop is generally used for large-scale image processing, and the utilization of mechanical learning loop is used for small-scale image processing. In this study, the optimal mechanical learning loop is selected, and its usefulness is discussed. This year, the environment for the mechanical learning circuit, the selection and installation of FPGA for the mechanical learning circuit for the test function, and the installation of the circuit for the 0.18 um standard CMOS circuit were carried out.