近期，欧洲研究与创新中心Imec推出了世界上第一个使用尖峰递归神经网络处理雷达信号的芯片。通过模仿生物神经元群操作来识别时间模式的方式，imec的芯片功耗比传统实现方案少100倍，同时延迟减少了十倍，几乎可以立即做出决策。例如，可以仅使用30 mW的功率对微型多普勒雷达信号进行分类。

该芯片可以调整体系结构和算法，以处理各种传感器数据（包括心电图，语音，声纳，雷达和激光雷达流），它的第一个用例将包括创建低功耗、高度智能的防碰撞系统，如无人机雷达，它可以对接近的物体做出更有效的反应。

人工神经网络（ANN）已被证明可在广泛的应用领域中使用，例如，已被用于汽车工业中常用的基于雷达的防撞系统。但是，人工神经网络有其自身的局限性——它们消耗的功率过多，无法集成到越来越受约束的（传感器）设备中。此外，人工神经网络的基础架构和数据格式要求数据在做出决定之前要经历从传感器设备到AI推理算法的耗时过程。因此，Imec决定使用尖峰神经网络（SNN，spiking neural networks）。

imec的神经形态感应程序经理Ilja Ocket表示：“这是世界上第一个使用递归尖峰神经网络处理雷达信号的芯片。SNN的运行与生物神经网络非常相似，在该过程中，仅当感觉输入发生变化时，神经元才会随时间稀疏地发射电脉冲。这样，可以显着降低能耗。此外，该芯片上的尖刺神经元可以循环连接，即将SNN变成一个学习和记忆时间模式的动态系统。该技术是自学系统研发的重大飞跃。”

该芯片最初设计为在功率受限的设备中支持心电图（ECG）和语音处理。由于其通用架构具有全新的数字硬件。在设计上，还可以轻松地对其进行重新配置，以处理各种其他传感输入信号，例如声纳，雷达和激光雷达数据。

与模拟SNN相反，imec的事件驱动数字设计使该芯片能够像神经网络仿真工具所预测的那样精确且重复地运行。

imec描述了一个涉及无人机行业的用例，该应用甚至比汽车行业还要多，它与受约束的设备（例如容量有限的电池）一起工作，这些设备需要对环境的变化迅速做出反应，以便对接近的障碍物做出适当的反应。

“我们这款新芯片的旗舰用例包括为无人机创建低延迟、低功耗的防撞系统。在靠近雷达传感器的地方进行处理，我们的芯片可使雷达传感系统更快、更准确地区分正在接近的物体。反过来，这将使无人机几乎可以立即对潜在的危险情况做出反应。” Ocket解释说。“目前，我们正在探索一种方案，该方案以自主无人机为基础，这些无人机依靠其车载摄像头和雷达传感器系统进行仓库内导航，在执行复杂任务时与墙壁和架子保持安全距离。这项技术还可以用于许多其他用例，从机器人方案到自动导引车（AGV）的部署，甚至健康监控。”

“该芯片可以满足业界对真正从数据中学习并实现个性化AI的超低功耗神经网络的需求。在创建过程中，我们召集了来自imec各个领域的专家，从培训算法的开发和以神经科学为基础的尖峰神经网络架构到生物医学和雷达信号处理，以及超低功耗数字芯片设计。imec做了大量研究工作，”imec物联网认知感知程序总监Kathleen Philips 总结道。