機器學習處理引擎可構建具有氣味識別功能的靈活設備

近年來，柔性電子產品的開發有所增加：可以拉伸的電子組件可以開發智能手表，健身追蹤器或其他可穿戴智能設備。柔性電子設備通常是通過在諸如塑料或紙之類的柔性材料基底上施加電子電路而制成的。

柔性芯片可用于制造低成本，極薄，可彎曲且佩戴舒適的設備。盡管它們的特性使其比某些在硅片上制造的常規電子產品更適合某些應用，但到目前為止，并非所有這些芯片都達到了理想的性能。

Arm和PragmatIC的研究人員最近使用低成本的柔性芯片制造了機器學習(ML)處理引擎，該引擎可用于構建具有先進數據處理能力的各種智能設備。他們的論文發表在《自然電子學》上，專門展示了其發動機在涉及識別氣味的應用中的使用。

進行這項研究的研究人員之一埃姆雷·奧澤(Emre Ozer)表示：“ Arm Research與PragmatIC有著密切的研發合作，PragmatIC具有基于金屬氧化物薄膜晶體管(TFT)的低成本柔性IC制造技術。” “這項技術具有在低成本柔性基板上制造處理引擎的巨大潛力，它可以使數十億個物體變得'更智能'，而成本卻在美分而不是美元之間。”

由Ozer和他的同事開發的ML處理引擎可以直接連接到檢測與氣味相關的化學信息的傳感器上，這種傳感器稱為“電子鼻”(電子鼻)。然后，它分析此信息并嘗試確定傳感器聞到的氣味。

Arm和PragmatIC的團隊致力于最近的項目，與曼徹斯特大學的研究人員密切合作，他們專門研究基于低成本塑料基材的柔性電子鼻傳感器。新的有線ML引擎是此次合作的結果。

Ozer說：“我們的引擎實現了我們也開發的稱為'Univariate Bayes特征投票分類器'的ML算法。” “處理引擎是硬連線的，因為在訓練階段之后學習到的ML參數是固定的(即，不會在設備的整個生命周期內發生變化)。它包含大約1000個門，這是一種非常節省資源的設計。”

盡管引擎的ML參數是固定的且無法編程的事實似乎不利，但硬連線ML引擎的當前目標市場是快速消費品(FMCG)，很少需要重新編程。實際上，生產快速消費品的公司的首要任務是確保能夠快速，大量，低成本地生產商品，因為它們也會被快速消費。

例如，可以將引擎集成到塑料包裝中，以處理包裝食品的氣味。包裝食品往往會很快過期，并且貨架期很短，因此，一旦客戶食用產品，包裝和其中的柔性電子組件就會被丟棄。結果，ML引擎的壽命很短，不需要重新編程。

Ozer說：“早在2004年，通用或可編程處理器就在柔性基板上制造出來了。” “這些柔性處理器是使用低溫多晶硅(LTPS)TFT技術開發的，制造成本很高。因此，該技術不適用于實現超低成本電子產品。使用金屬技術開發了算術邏輯單元2014年，IMEC在柔性基板上使用了氧化膜TFT，但這是概念驗證的原型，計算能力有限。”

由Ozer和他的同事開發的引擎比過去制造的大多數可編程和靈活處理器具有更多(更高級)的功能。實際上，它是有史以來使用金屬氧化物TFT構建的最復雜的柔性集成電路(IC)。盡管該引擎由大約1000個門組成，但其門密度比其他基于金屬氧化物TFT技術的現有數字IC的門密度大約高20-45倍。

在開發柔性電子設備時，通常單獨制造不同的電子組件(例如傳感器，能量收集器，處理器等)，然后將其組合為單個設備。然而，迄今為止，已經證明將柔性部件集成到單個系統中比將常規電子部件組合起來困難得多。研究人員現在計劃將引擎與其他組件(例如電子鼻傳感器和數字接口)集成后，繼續測試其性能。

奧澤說：“在這一研究領域中的系統集成還不如傳統電子設備成熟。” “展望未來，Arm Research和PragmatIC已經開始與曼徹斯特大學合作，將柔性電子鼻傳感器集成到單個柔性系統中，包括柔性傳感器讀出接口和ML 引擎。”