探索近传感器和传感器内计算系统的潜力

随着连接到互联网的设备数量的不断增加，不同感官终端和计算单元之间的冗余数据传输量也随之增加。介入感官网络附近或内部的计算方法可以帮助更有效地处理不断增长的数据量，从而降低功耗并有可能减少传感和处理单元之间的冗余数据传输。

理工大学的研究人员最近进行了一项研究，概述了近传感器和传感器内计算的概念。这是两种能够将计算任务部分转移到感官终端的计算方法，可以减少功耗并提高算法的性能。

进行这项研究的研究人员之一柴扬(Yang Chai)对TechXplore表示：“物联网上的感觉节点数量继续迅速增加。” “到2032年，传感器的数量将达到45万亿，传感器节点生成的信息相当于10 20位/秒。因此，有必要将部分计算任务从云计算中心转移到边缘设备为了减少能耗和时间延迟，节省通信带宽并增强数据安全性和隐私性。”

视觉传感器可以收集大量数据，因此通常需要大量的计算能力。在之前的一项研究中，Chai和他的同事试图在感官终端级别执行信息处理，并使用光电电阻式开关存储阵列来证明传感器收集的预处理图像可以提高图像识别的计算方法的性能。

柴说：“在这项研究之后，我建议需要新硬件平台的传感器内计算范例可以使用相同或更少的功率实现新的功能，高性能和能效。” “随着这个新兴领域的快速发展，有必要总结现有的成就并为未来的发展提供前景。我们最近在《自然电子》杂志上发表的观点论文提供了该领域挑战和机遇的及时概述。”