12月23日消息，据TechXplore报道，香港理工大学的科研人员近日在《自然·电子学》期刊上发布了一项研究，创造性地提出了近传感器计算（Near-Sensor Computing）、传感器内计算（Near-Sensor Computing）的方法。

《近传感器和传感器内计算（Near-Sensor and In-Sensor Computing）》一文发布在《自然·电子学》上

论文链接：https://www.nature.com/articles/s41928-020-00501-9#citeas

在传统的传感计算架构中，传感器和计算单元被分开放置，两者之间存在一定距离。而在近传感器计算、传感器内计算架构中，传感器和计算单元之间的距离大大缩小，甚至趋近于零。

这两种计算方法能够将部分计算任务从计算单元转移到传感终端（Sensory Terminal），在减少功耗的同时，还能提升算法的效率，从而更好地应对日益增长的数据计算需求。

该文作者、香港理工大学应用物理学系副教授柴扬博士在接受TechXplore采访时说道：“物联网上的传感器节点数持续高速增加。到2032年，传感器的数量将达到45万亿，相当于每秒能生成高达1020比特的信息。因此，有必要将部分计算任务从云计算中心转移到边缘设备，减少能耗和时间延迟、节省通信带宽并增强数据安全性和隐私性。”

    一、什么是近传感器计算、传感器内计算？  

随着接入互联网的设备数不断增加，传感终端和计算单元之间的冗余数据传输量日益增长。在传感终端附近或内部进行运算能提高数据处理的效率、降低计算功耗，并减少在传感终端和处理单元间传输的冗余数据。

在题为《近传感器和传感器内计算（Near-Sensor and In-Sensor Computing）》的论文中，柴扬博士及其研究团队概述了近传感器计算、传感器内计算的概念。

由于传感器和计算单元具有不同的功能，它们的材料、内部结构、设计、处理系统往往也不尽相同。

在传统的传感计算架构中，传感器和计算单元通常是分开放置的，两者之间存在一定距离。而在近传感器计算、传感器内计算架构中，传感器和计算单元间的距离大大缩短，甚至趋近于零。

在近传感器计算系统中，处理单元（或加速器）位于传感器旁边，处理单元（或加速器）可以在传感器端点执行特定操作。这种计算方法可以提高系统的整体性能，并最大程度地减少冗余数据的传输。

在传感器内计算体系中，单个传感器或多个互联的传感器可以直接处理采集到的信息。这种方法既不需要处理单元，也不需要加速器，更无须将传感单元和计算单元整合在一起。

除了介绍了近传感器和传感器内计算的概念，这篇论文还将传感计算分为低级处理和高级处理两种。

低级处理指的是通过抑制噪声或失真、数据预处理，从大量原始数据中初步和选择性地提取有用数据。高级处理则涉及到认知过程的抽象表征，需要识别出是“什么”，以及从“哪里”输入信号。

    二、两大技术难题：单元集成难、适用范围小  

柴扬博士及其研究团队目前关注的主要是视觉传感器。

视觉传感器采集的数据量巨大，相应地也对计算能力提出了更高的要求。

在此前的一项研究中，柴扬博士和他的同事试图在传感终端级别执行信息处理任务，并使用光电电阻式开关存储阵列（optoelectronic resistive switching memory array）来证明传感器收集的预处理图像可以提高图像识别算法性能。

柴扬博士说：“在这项研究之后，我提出了传感器内的计算方法，这套方法基于新的硬件平台，能够以相同或更少的功率同时实现新功能、高性能和高能效。”

然而，近传感器计算体系和传感器内计算体系分别面临着传感单元和计算单元难集成、适用范围有限的技术难题。

柴扬博士解释说：“近传感器计算体系的一大挑战便是集成传感单元和计算单元。尽管单片3D集成技术（monolithic 3D integration）提供了一种提高单元间密度、缩短单元间距离的方法，但其工艺复杂，且存在散热问题。”

《近传感器和传感器内计算（Near-Sensor and In-Sensor Computing）》一文介绍的单片3D集成技术（monolithic 3D integration）

此外，传感器内计算方法仅适用于特定场景，而且该技术所需的创新材料和设备结构尚还处于开发初期。

    三、离实际应用尚有距离  

柴扬博士说：“近/传感器内计算是一个跨学科的研究领域，涉及材料、设备、电路、体系结构、算法和集成技术。”

在这篇论文中，柴扬团队在提出概念之余，还提出了传感单元和计算单元的集成方案。他们的研究成果可能会激发学界各领域进一步的研究，以更先进的制造技术实现上述构想。

尽管柴扬团队目前工作重心主要集中在视觉传感器上，但是近传感器和传感器内计算方法也可以扩展到其他种类的传感器，如检测声音、压力、污点、化学，甚至生物信号的传感器。

柴扬博士谈到未来的研究计划时说道：“我们希望将这套方法扩展到不同的应用场景。此外，大多数现有研究仍停留在较小规模，远远未达到实际应用的程度。在未来，我们将增加设备数量、将其与外围电路连接，从而构建一整套系统，进一步探索如何扩大设计规模。 ”

随着人工智能、物联网、5G等前沿技术的落地和发展，接入网络的终端用户和机器越来越多，整体数据呈爆炸式增长态势。

面对海量数据的处理需求，中心式的数据处理方式已经难以招架，出现了延迟大、响应慢等问题。

而边缘计算，作为一项新兴计算技术，也越来越多地出现在银行转账等时间性敏感度高的应用场景。

通过在靠近物或数据源头的一侧进行数据处理，边缘计算大大地提高了运算效率，降低了能耗。

柴扬博士团队的这项最新研究成果实质上便是物联网边缘计算的一种。随着越来越多的研究团队投入相关研究，边缘计算未来将愈发成熟并逐渐扩展应用到更多场景。