Среда, 21 февраля, 2024
ДомойТехнологииБыстрее, чем когда-либо: ученые внедряют сжатые данные в периферийные приложения реального времени

Быстрее, чем когда-либо: ученые внедряют сжатые данные в периферийные приложения реального времени

- Advertisement -

Ученые усовершенствовали восстановление сжатых данных с помощью быстрого и эффективного аналогового аппаратного решения, обещая значительные улучшения в таких областях, как медицинская визуализация и коммуникационные технологии (концепция Артиста). Фото: SciTechDaily.com

Группа исследователей во главе с профессором Сунь Чжуном из Пекинского университета недавно представила аналоговый аппаратный подход для восстановления сжатых данных в реальном времени. Их выводы были задокументированы в статье, недавно опубликованной в Достижения науки.

В этой работе впервые представлена ​​конструкция, основанная на массиве резистивной памяти (также известной как мемристор) для выполнения мгновенного умножения матрицы-матрицы-вектора (MMVM). На основе этого модуля раскрыта аналоговая матричная вычислительная схема, которая решает восстановление сжатого зондирования (CS) за один шаг (в течение нескольких микросекунд).

Значение CS в современных технологиях

CS стал краеугольным камнем современной обработки сигналов и изображений во многих важных областях, таких как медицинская визуализация, беспроводная связь, отслеживание объектов и однопиксельные камеры. В CS разреженные сигналы могут быть сильно недодискретизированы во входном датчике, что преодолевает частоту Найквиста и, таким образом, значительно повышает эффективность выборки.

Во внутреннем процессоре исходные сигналы могут быть точно восстановлены путем решения задачи разреженной аппроксимации. Однако алгоритм восстановления CS обычно очень сложен и включает в себя матрично-матричные операции высокой сложности и точечно-нелинейные функции. В результате восстановление CS во внутреннем процессоре стало общепринятым узким местом в конвейере CS, что препятствует его применению в сценариях высокоскоростной обработки сигналов в реальном времени.

Проблемы и инновации в восстановлении CS

Чтобы ускорить вычисления восстановления CS, в традиционной цифровой области предпринимались два направления усилий: либо передовые алгоритмы (например, глубокое обучение), либо параллельные процессоры (например, графический процессор, FPGA и ASIC). Однако эффективность вычислений принципиально ограничена полиномиальной сложностью матричных операций в цифровых процессорах.

С этой целью аналоговые вычисления считаются эффективным подходом для ускорения восстановления CS благодаря присущему им вычислительному параллелизму. Тем не менее, опять же, из-за высокой сложности алгоритмов восстановления CS, предыдущие аналоговые вычислительные решения либо полагались на заранее рассчитанное умножение матрицы на матрицу, имеющее кубическую сложность, либо использовали дискретный итерационный процесс, требующий дорогостоящих, но частых аналого-цифровых преобразований. . Таким образом, решение проблемы восстановления CS за один этап остается сложной задачей.

Практическое применение и будущий потенциал

Чтобы решить эту проблему, команда Пекинского университета сначала разработала аналоговый вычислительный модуль в памяти, который реализует MMVM за один шаг, избегая таким образом предварительного расчета умножения матрицы на матрицу. Соединив этот модуль MMVM с другими аналоговыми компонентами для формирования контура обратной связи, полученная схема точно отображает локальный конкурентный алгоритм (LCA), который решает восстановление CS за один шаг без дискретных итераций.

Чтобы проверить схему, команда изготовила массив резистивной памяти с использованием стандартного полупроводникового процесса, на основе которого на печатной плате была построена схема LCA для выполнения восстановления CS. Сжатые данные преобразулись в сигналы входного напряжения в схеме, а восстановленные сигналы регистрировались в непрерывном режиме.

С помощью этой схемы в экспериментах было продемонстрировано восстановление одномерных разреженных сигналов, двумерных естественных RGB-изображений и магнитно-резонансных изображений (МРТ). Нормализованная среднеквадратическая ошибка (NMSE) составляет около 0,01, а пиковое отношение сигнал/шум (PSNR) изображений составляет 27 дБ. Скорость этой схемы оценивается на 1-2 порядка выше, чем у традиционных цифровых подходов, таких как глубокое обучение, а также лучше, чем у других электронных или фотонных аналоговых вычислительных решений. Схема весьма перспективна для реализации во внутреннем процессоре CS для обеспечения возможности обработки данных в реальном времени в микросекундном режиме, что, в свою очередь, может обеспечить использование передовых медицинских, визуальных и коммуникационных технологий.

Ссылка: «Аналоговое решение восстановления сжатых данных в памяти за один шаг», авторы Шицин Ван, Юбяо Луо, Пушен Цзо, Луншуай Пан, Юнсян Ли и Чжун Сунь, 13 декабря 2023 г., Достижения науки.
DOI: 10.1126/sciadv.adj2908.

Исходная ссылка

- Advertisement -

Популярное по теме