< Terug naar vorige pagina

Project

Multi-laag zelf-adaptiviteit voor ultra-laag vermogen responsieve IoT toestellen: een analyse van taakhiërarchie en taakadaptiviteit op verschillende optimalisatie niveaus

In de afgelopen 50 jaar is het aantal appraten dat verbonden is met het internet sterk toegenomen.
Deze toename heeft geleid tot een visie waar elk fysisch apparaat geconecteerd zou zijn met de wereld, het Internet der dingen (IoT).
De visie biedt veel kansen voor verschillende toepassingsdomeinen: slimme gezondheidszorg, slimme landbouw, slimme huizen, enz.
Maar om dit te kunnen verwezenlijken, moeten de apparaten voldoen aan drie belangrijke vereisten: ze moeten enerzijds de wereld waarnemen, anderzijds verbonden zijn met alle andere apparaten en ze moeten onzichtbaar worden.
Huidige elektronische ontwerpen hebben het moeilijk om deze drie voorwaarden te combineren.
De eerste moeilijkheid is dat grote hoeveelheden informatie-arme sensorgegevens moeten worden verwerkt.
Ten tweede moeten de apparaten gedurende hun volledige levensduur autonoom kunnen werken, waarbij hun energieverbruik beperkt moet blijven tot de energie-inhoud van een enkele batterij, en dit over meerdere jaren.
Hoewel de energie-efficiëntie van elektronica elk jaar aanzienlijk verbetert, beperkt de vraag naar extra rekenkracht om de grote datastromen lokaal te verwerken de levensduur van het apparaat.
Dit alles vereist nieuwe hardware- en software-architecturen die de energie-efficiëntie van de toestellen verhogen.

Dit proefschrift bespreekt twee nieuw ontwikkelde ontwerpmethodes om de energie-efficiëntie te verbeteren: taak-hiërarchie en taak-adaptiviteit.
In taak-hiërarchische systemen zal een cascade van steeds complexere en energie verbruikende deeltaken complexe eindtaak voorafgaan.
In taak-adaptieve systemen, schalen de hardware en het classificatiemodel van een taak met de omgevingscomplexiteit.
Deze twee ontwerpmethodologieën kunnen worden gebruikt in het gehele systeemontwerp, dat bestaat uit drie verschillende niveaus: circuit-niveau, chip-niveau en systeem-niveau.
Dit proefschrift toont aan de hand van ``proof-of-principle'' chips en een PCB-implementatie aan dat gebruik van deze twee ontwerpmethodes op alle drie de niveaus, een factor 10 aan energie-efficiëntie gewonnen kan worden.


 

Datum:1 sep 2013 →  19 okt 2018
Trefwoorden:Low power design, Machine Learning
Disciplines:Nanotechnologie, Ontwerptheorieën en -methoden
Project type:PhD project