為了推動微機電系統(tǒng) (MEMS) 的創(chuàng)新，意法半導體推出了一款集信號處理、人工智能和 MEMS 傳感器于一體的節(jié)能系統(tǒng)。

通過集成機械和電氣功能，MEMS 技術結合了微型化機電組件，例如微型傳感器和微型致動器。 

這些器件通常使用多種工業(yè)工藝制造，包括大規(guī)模集成 (VLSI) 技術、微加工、IC 工藝序列等。

MEMS傳感器的一個例子。圖片由博世提供

最近，為了不斷突破 MEMS 技術的界限，意法半導體開發(fā)了一種MEMS 傳感器，將數(shù)字信號處理 (DSP) 和 AI 算法集成在同一硅片上。

在本文中，我們將探討人工智能如何在 MEMS 設備中發(fā)揮作用、面臨的挑戰(zhàn)以及 ST 的最新版本。 

人工智能如何在 MEMS 上擴展？

研究人員和設計人員正在夜以繼日地將人工智能集成到 MEMS中，以提高性能并擴展 MEMS 設備的用例。 

考慮到這一點，新型AI-MEMS 架構正在興起。 

一種這樣的架構利用具有非線性動力學的諧振器來實現(xiàn)機械領域的機器學習 (ML) 處理。

來自舍布魯克大學的 MEMS 設備示例。圖片由Dion 等人提供

2018 年，加拿大舍布魯克大學的研究人員通過引入儲層計算實現(xiàn)了一個里程碑，該計算允許 MEMS 振蕩器進行時間序列預測和口語單詞分類。 

研究人員利用了硅束的非線性動力學，它在空間中以比人類頭發(fā)細 20 倍的寬度振蕩。 

據(jù)說這種振蕩的結果被用來構建一個虛擬神經(jīng)網(wǎng)絡，將輸入信號投影到神經(jīng)網(wǎng)絡計算所需的更高維空間中。 

這種 AI-MEMS 使用加速度計簡化了機器人的機械功能，可以為機器人生成控制信號。

一般來說，制造可擴展的 AI-MEMS 架構可加速 MEMS 設備和信號處理的多功能性。 

除了提供改進的性能外，它還可以消除對外部微處理器和現(xiàn)場可編程門陣列 (FPGA) 的使用。

MEMS 上的人工智能面臨的挑戰(zhàn)

當遇到挑戰(zhàn)時，MEMS 設計人員在制造 MEMS 器件時會面臨一些陷阱和設計限制。 

在智能 MEMS 傳感器中獲取真實數(shù)據(jù)需要使用更高分辨率的模數(shù)轉換器。因此，10 位分辨率的模數(shù)轉換器可能對健康監(jiān)測等特定應用沒有幫助。 

此外，在處理數(shù)據(jù)以進行數(shù)據(jù)傳輸時，有限的帶寬可能會帶來挑戰(zhàn)并截斷數(shù)據(jù)處理。

設計人員在制造集成 ML 算法的最先進的 MEMS 傳感器時也面臨挑戰(zhàn)。 

采用支持向量機 (SVM) 等分類算法的 MEMS 傳感器需要大內存來存儲大量現(xiàn)實生活中的數(shù)據(jù)集。

盡管將 AI 和 ML 整合到 MEMS 設備中存在挑戰(zhàn)，但 ST 希望讓它變得更容易。 

智能傳感器處理單元滿足 MEMS 傳感器

為了克服與在 MEMS 上制造 AI 相關的所有潛在挑戰(zhàn)，ST 推出了智能傳感器處理單元 (ISPU)，它將 DSP 與 IC 上的 MEMS 傳感器集成在一起。 

可編程 DSP 具有單周期 16 位乘法器，可以通過 16 位可變長度指令輕松操作。它還包括一個全精度浮點單元。

ST 的 ISPU 概述。圖片由意法半導體提供

ISPU 促進了量化 AI 傳感器中的全到單位精度神經(jīng)網(wǎng)絡。 

借助在 DSP 上運行的 AI 算法，ISPU 通過分析慣性數(shù)據(jù)來提高活動識別和異常檢測任務的準確性和效率。 

此外，ISPU 支持邊緣 AI 計算，允許使用 AI 商業(yè)模型開發(fā) MEMS 傳感器算法，同時最大限度地提高超低功耗。 

ST 還聲稱，該產(chǎn)品有望將功率降低多達 80%，同時減小系統(tǒng)級封裝設備的尺寸。 

STMicroelectronics MEMS 子集團執(zhí)行副總裁 Andrea Onetti 在談到該產(chǎn)品時表示，新時代——“ Onlife Era ”——旨在通過減少數(shù)據(jù)傳輸來推進傳感器功能以加快決策速度，并通過保留數(shù)據(jù)來增強隱私本地化，同時減小尺寸和功耗，從而降低成本。

總而言之，在實現(xiàn)最大隱私的同時，Onlife Era 旨在引入能夠感知現(xiàn)實生活數(shù)據(jù)、處理復雜 AI 算法并采取智能實時行動的 MEMS 設備。