تراشه‌ای کوچک مبتنی بر هوش مصنوعی برای بهبود عمر باتری دستگاه‌های هوشمند

اما این فرآیند نیاز به مصرف انرژی زیادی دارد. در واقع، پردازش‌های هوش مصنوعی که این دستگاه‌ها انجام می‌دهند نیز به اتصال اینترنت نیاز دارند.
 
اما تراشه Spiking Neural Processor T1 می‌تواند مصرف انرژی دستگاه‌های هوشمند آینده را نیز به طور چشمگیری کاهش دهد. این تراشه با تحلیل داده‌های حسگر در زمان واقعی، الگوها را شناسایی کرده و به‌طور بالقوه داده‌های خروجی از حسگرها را پاکسازی می‌کند، همه بدون نیاز به اتصال اینترنتی.
 
گفتنی است این دستگاه یک پردازنده نورومورفیک است، به این معنی که معماری آن به گونه‌ای طراحی شده است که مکانیسم‌های شناسایی الگو در مغز انسان را شبیه‌سازی کند. برای مقایسه، وقتی شما چیزی را با حواس بویایی یا شنوایی خود حس می‌کنید، گروه‌های مختلف نورون‌ها برای شناسایی آن فعال می‌شوند.

به‌طور مشابه، در این تراشه، گروه‌های مختلف نورون‌های مصنوعی سیگنال‌هایی تولید می‌کنند که به نام «پیک‌ها» شناخته می‌شوند.

اصل بنیادین این تراشه، شبکه عصبی پیک‌زنی (SNN) است، که در آن یک شبکه عصبی مجموعه‌ای از الگوریتم‌های یادگیری ماشینی است و پیک‌هایی که تولید می‌کند، شبیه به سیگنال‌هایی هستند که توسط سلول‌های مغزی ارسال می‌شوند.
 
الگوریتم‌های SNN همچنین از نظر اندازه فایل تقریباً ۱۰۰ برابر کوچکتر از شبکه‌های عصبی عمیق معمولی هستند که در مدل‌های زبان بزرگ به کار می‌روند.
 
تراشه T1 دارای سه لایه اساسی است. اولین لایه، موتور پردازش مبتنی بر SNN است که مصرف توان آن کمتر از یک میلی‌وات است و تاخیر یا زمان تأخیر آن معمولاً برای بیشتر کاربردها کمتر از یک میلی‌ثانیه است.

دومین لایه شامل شبکه‌های عصبی عمیق معمولی است، در حالی که لایه سوم شامل یک پردازنده استاندارد است که وظیفه مدیریت عملکرد سیستم را بر عهده دارد.

تراشه T1 یا تراشه‌های مشابه می‌توانند عمر باتری دستگاه‌های هوشمند را در برخی سناریوها تا شش برابر افزایش دهند.

برای مثال، یک مدل آزمایشی از یک زنگ هوشمند با پردازنده T1 که قادر به تشخیص حضور فرد با استفاده از فناوری راداری بود، ۱۸ تا ۲۰ ساعت عمر باتری داشت، در حالی که یک محصول معمولی مبتنی بر Wi-Fi که داده‌های تصویر و ویدئو را به سرور ارسال می‌کند، تنها یک یا دو ساعت دوام می‌آورد.
 
این تراشه برای کاربردهای مختلفی مانند روشنایی هوشمند، سیستم‌های شمارش افراد، سیستم‌های درب بازکن و حتی هدفون‌های بی‌سیم طراحی شده است. به‌طور خاص، تراشه T1 می‌تواند در هدفون‌ها، صداهای مختلف را برای حذف نویز جدا کند.

وقتی از این تراشه در کاربردهای صوتی استفاده شود، شرکت سازنده ادعا می‌کند که مصرف انرژی تا ۸۰ تا ۱۰۰ برابر کاهش می‌یابد و همچنین تا ۷۰ برابر تأخیر در پردازش کاهش می‌یابد.
 
این تراشه در حال آماده‌سازی برای تولید انبوه در سال جاری است و نمونه‌های آن به تولیدکنندگان دستگاه‌ها ارسال می‌شود. مدیرعامل شرکت Innatera Nanosystems، سومیت کومار، انتظار دارد که اولین محصولات با تراشه نورومورفیک T1 تا سال ۲۰۲۶  وارد بازار شوند.
 
این تراشه با بهره‌گیری از معماری نورومورفیک و الگوریتم‌های شبکه عصبی پیک‌زنی، می‌تواند راه‌حل‌های نوآورانه‌ای برای حل مشکل مصرف بالای انرژی در دستگاه‌های هوشمند ارائه دهد.

از آنجایی که اکثر دستگاه‌های هوشمند برای انجام پردازش‌های هوش مصنوعی به اینترنت و مصرف بالای انرژی نیاز دارند، این تراشه می‌تواند تغییرات بزرگی در کارایی و عمر باتری این دستگاه‌ها ایجاد کند.