Nature Electronics：近传感器和传感器内计算

研究背景
预计到 2025 年，感知节点的数量将达到 750 亿个，到 2030 年将激增至 1250 亿个。这些感知节点产生的原始数据中，很大一部分是非结构化的几余数据。在典型的设计中，由于功能要求和制造技术不同，传感系统与计算单元在物理上是分离的。传感功能大多发生在噪声模拟域，而计算通常使用传统的冯-诺依曼计算架构以数字方式执行。因此，传感器终端在本地获取大量原始数据后，必须将其传输到本地计算单元或云计算系统。这在能源消耗响应时间、数据存储、通信带宽和安全性等方面造成了严重问题。
这种数据激增对传感器丰富的平台(如智能车辆、自主机器人和微型机器人以及可穿戴电子设备)以及对延迟有严格要求的应用(如实时视频分析和协同自动驾驶)提出了特殊的信息处理要求。为了克服这一问题，计算架构需要从以计算为中心的方法转变为以数据为中心的方法，并特别注重性能和能效。其中一种方法是近传感器和传感器内计算，在这种方法中包括数据生成、收集和计算在内的任务都在感知设备附近执行，有时甚至在感知设备内执行。这种方法旨在提供高效的感知数据处理，减少或消除传感器/处理器接口处的数据传输和转换。
研究成果感知网络中通常使用的节点数量正在迅速增加,导致大量几余数据在感知终端和计算单元之间交换。为了有效处理如此大量的数据并降低功耗，有必要开发在感知网络附近或内部运行的计算方法，以减少感知和处理单元之间的冗余数据移动。在这里，香港理工大学柴杨教授等人研究了近传感器和传感器内计算的概念，其中计算任务部分转移到了感知终端。我们将功能分为低级处理和高级处理，并讨论了不同物理传感系统的近传感计算和传感内计算的实现。我们还分析了该领域的现有挑战，并为利用先进制造技术实现集成传感和处理单元的硬件提供了可能的解决方案。相关研究以“Near-sensor and in-sensor computing”为题发表在Nature Electronics期刊上。
图文导读
Fig. 1 | Sensory computing architectures.
Fig. 2 | Illustrations of low-level sensory processing architectures and functions.
Fig. 3 | Near-sensor and in-sensor high-level sensory processing.
Fig. 4 | Integration technologies for near-sensor and in-sensor computing.
总结与展望近/内传感器计算是一个跨学科的研究领域，涉及材料、器件、电路、架构、算法和集成技术。与近距离/内存计算模式相比，传感器附近或内部的计算更为复杂，因为它需要处理不同场景中的大量和各种类型的信号。要成功部署传感器附近或内部计算，需要对传感器、设备、集成技术和算法进行共同开发和共同优化。
近距离/传感器内计算是实现智能传感处理高效硬件的一种可行方法。在传感器端点直接进行处理可提高面积、时间和能源效率，预计对实时和数据密集型应用尤其有益。然而，要在传感器附近实现低级和高级处理功能，需要开发先进的集成技术和新的计算算法；实现传感器内计算还有赖于开发具有新功能和新机制的新兴设备以及合适的算法。虽然传感内计算显示出了潜力，但目前的大多数设备都处于研究开发的早期阶段，而且由于功能有限，仅限于特定的应用场景。此外，迄今为止，完整处理和与外围控制大规模集成的演示还很有限，而这些方法对于未来的传感器内处理架构至关重要。

文献链接Near-sensor and in-sensor computinghttps://doi.org/10.1038/s41928-020-00501-9