MEMS傳感器即微機電係統（Microelectro Mechanical Systems），shizaiweidianzijishujichushangfazhanqilaideduoxuekejiaochadeqianyanyanjiulingyu。jingguosishiduoniandefazhan

，yichengweishijiezhumudezhongdakejilingyuzhiyi。tashejidianzi、機械、材料、物理學、化學
、生物學
、醫學等多種學科與技術，具有廣闊的應用前景。

 

截止到2010年

，全世界有大約600餘家單位從事MEMS的研製和生產工作，已研製出包括微型壓力傳感器
、加速度傳感器
、微噴墨打印頭
、數字微鏡顯示器在內的幾百種產品，其中MEMS傳感器占相當大的比例。MEMS傳感器是采用微電子和微機械加工技術製造出來的新型傳感器。與傳統的傳感器相比，它具有體積小、重量輕、成本低、功耗低
、可靠性高
、適於批量化生產、易於集成和實現智能化的特點。同時，在微米量級的特征尺寸使得它可以完成某些傳統機械傳感器所不能實現的功能。

 

單根矽橫梁（紅色）及其驅動（黃色）和讀出（綠色和藍色）電極，實現了能夠進行非凡計算的MEMS器件

 

“我們去年已經寫了一篇論文，從理論上展示了可以實現MEMS人工智能
，”該研究論文的共同作者舍布魯克大學教授Julien Sylvestre介紹說，“我們最新的突破是展示了一種可以在實驗室中實現這一目標的MEMS器件。”

 

該研究論文已發表於Journal of Applied Physics期刊，研究人員在他們的研究中展示了一種被稱為“儲備池計算”（reservoir computing）的AI方法。Sylvestre解釋說，要了解儲備池計算
，需要了解一些關於人工神經網絡如何運行的知識。

 

人ren工gong神shen經jing網wang絡luo是shi一yi種zhong模mo仿fang大da腦nao進jin行xing信xin息xi處chu理li的de機ji器qi學xue習xi模mo型xing。前qian向xiang神shen經jing網wang絡luo適shi合he處chu理li靜jing態tai模mo式shi信xin息xi

，而er遞di歸gui神shen經jing網wang絡luo更geng適shi合he處chu理li動dong態tai模mo式shi信xin息xi。利li用yong通tong過guo時shi間jian的de反fan向xiang傳chuan播bo（BPTT）算法對遞歸神經網絡進行訓練計算代價很大
，訓練過程緩慢。研究發現，在利用 BPTT 算法訓練遞歸神經網絡過程中，輸入層和中間層的連接權變化緩慢，隻有輸出連接權變化明顯。

 

受到這一發現的啟發
，2001年和2002年分別提出了回聲狀態網絡和液體狀態機，隨後科研人員證明了回聲狀態網絡和液體狀態機本質上一致，並概括為“儲備池計算”。

 

傳統儲備池計算示意圖

 

chubeichijisuandehexinsixiangjiushiliyongyigechubeichidaitichuantongshenjingwangluozhongdezhongjianceng，shurucengdaochubeichideshurulianjiequanhechubeichideneibulianjiequanjunsuijishengchengbingbaochibubian
，xunlianguochengzhongweiyixuyaoquedingdejiushichubeichidaoshuchucengdeshuchulianjiequan。chubeichijisuandadajianhualediguishenjingwangluodexunlianguocheng，bingzaixindaojunheng
、時間序列預測、非線性係統建模、語音識別和自動控製等領域獲得了成功應用。

 

儲備池計算最常用於依賴於時間的輸入（與圖像等靜態輸入相反）。因yin此ci
，儲chu備bei池chi計ji算suan采cai用yong由you時shi間jian相xiang關guan輸shu入ru驅qu動dong的de動dong力li學xue係xi統tong。動dong力li學xue係xi統tong選xuan擇ze相xiang對dui複fu雜za
，因yin此ci它ta對dui輸shu入ru的de響xiang應ying可ke能neng與yu輸shu入ru本ben身shen完wan全quan不bu同tong。

 

此外，係統選擇具有多個自由度來響應輸入。結果，輸入被“映射”到高維狀態空間

，每個維度對應於一個自由度。這產生了大量的信息“豐富性”
，意味著輸入有許多不同的變換。

 

該係統的信號鏈和MEMS器件的SEM（掃描電子顯微鏡）圖像

 

“儲備池計算所使用的特殊技巧是線性地組合所有維度以獲得輸出，其輸出與我們希望計算機對給定輸入的答案相對應，”Sylvestre說，“這就是我們所說的儲備池計算‘訓練’。這種線性組合的計算非常簡單，與其他AI方法不同

，人們會嚐試修改動力學係統的內部運行以獲得所需要的輸出。”

 

在大多數儲備池計算係統中
，其動力學係統是軟件。在這項研究中，其動力學係統就是MEMS器件本身。為了實現這種動力學係統，這款MEMS器qi件jian利li用yong了le非fei常chang薄bo的de矽gui梁liang在zai空kong間jian中zhong振zhen蕩dang的de非fei線xian性xing動dong力li學xue特te性xing。這zhe些xie振zhen蕩dang產chan生sheng一yi種zhong神shen經jing網wang絡luo，將jiang輸shu入ru信xin號hao轉zhuan換huan為wei神shen經jing網wang絡luo計ji算suan所suo需xu的de更geng高gao維wei空kong間jian。

 

Sylvestre解釋說，很難修改MEMS器件的內在工作原理，但儲備池計算並不需要
，這就是他們使用這種方案在MEMS中嵌入AI的原因。

 

“我們的研究表明，在MEMS器件中使用非線性源來嵌入AI是完全可能的，”Sylvestre說，“這是一種構建‘人工智能’器件的新方向，它可以做得非常小且高效。”

 

據Sylvestre介紹，這種MEMS器件的處理能力很難與台式計算機相比較。“計算機跟我們這款MEMS器件的工作方式截然不同，”他解釋說，“計算機很大並需要消耗大量功率（數十瓦）
，但我們的MEMSkeyixiaodaozhuangzairenleitoufajianduanshang，bingyiweiwajidegonglvyunxing。bingqie
，tamenkeyishixianyixiehuashixuanjidegongneng，biruduikouyujinxingfenlei
，zhexiangrenwukenenghuizhanyongtaishijisuanji10%的資源。”

 

 

據Sylvestre表示
，這種配備AI的MEMS技術的一個可能的應用比如MEMS加速度計，加速度計收集的所有數據都可以在器件內部進行處理，而不需要將數據再發送回計算機。

 

研究人員尚未專注研究如何為這種嵌入AI的MEMS器(qi)件(jian)供(gong)電(dian)，但(dan)這(zhe)些(xie)器(qi)件(jian)極(ji)低(di)的(de)功(gong)耗(hao)可(ke)使(shi)它(ta)們(men)僅(jin)依(yi)賴(lai)能(neng)量(liang)采(cai)集(ji)器(qi)便(bian)能(neng)支(zhi)持(chi)運(yun)行(xing)，從(cong)而(er)無(wu)需(xu)電(dian)池(chi)供(gong)電(dian)。有(you)基(ji)於(yu)此(ci)，研(yan)究(jiu)人(ren)員(yuan)正(zheng)在(zai)尋(xun)求(qiu)將(jiang)他(ta)們(men)的(de)AI MEMS方案應用於傳感和機器人控製。

 

 

推薦閱讀：