JP6587682B2 - シナプス・ニューラル・ネットワーク・コアに基づくセンサ・システム、およびセンサの動作を最適化する方法 - Google Patents

シナプス・ニューラル・ネットワーク・コアに基づくセンサ・システム、およびセンサの動作を最適化する方法 Download PDF

Info

Publication number
JP6587682B2
JP6587682B2 JP2017521218A JP2017521218A JP6587682B2 JP 6587682 B2 JP6587682 B2 JP 6587682B2 JP 2017521218 A JP2017521218 A JP 2017521218A JP 2017521218 A JP2017521218 A JP 2017521218A JP 6587682 B2 JP6587682 B2 JP 6587682B2
Authority
JP
Japan
Prior art keywords
sensor
register
type
neural network
context
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2017521218A
Other languages
English (en)
Other versions
JP2017538192A (ja
Inventor
フリードランダー、ロバート
クレーマー、ジェームズ
アダムス、サミュエル、スコット
ベルオミニ、ウェンディ、アン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2017538192A publication Critical patent/JP2017538192A/ja
Application granted granted Critical
Publication of JP6587682B2 publication Critical patent/JP6587682B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/049Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Description

本発明は電子デバイスの分野に関し、詳細には、物理的条件の検出に使用される電子デバイスに関する。さらに詳細には、本発明はシナプス・ニューラル・ネットワーク(synaptic neural network)をセンサ・システムに組み込むことに関する。
センサは、熱、圧力、加速度などのさまざまな物理的条件を検出する。その後、そのようなセンサからの読み出し値は、環境の詳細な説明の確立に使用される。
本発明は、シナプス・ニューラル・ネットワーク(synaptic neural network)を組み込んだセンサ・システムを提供する。
本発明の1つの態様では、センサ・システムは、エネルギー蓄積デバイスと、エネルギー蓄積デバイスに電気的に結合された断続的エネルギー放出デバイスであって、エネルギー蓄積デバイスに、蓄積されたエネルギーを断続的に放出させる断続的エネルギー放出デバイスと、エネルギー蓄積デバイスに電気的に結合されたセンサと、センサに電気的に結合されたレジスタであって、センサからの読み取り値を格納するレジスタと、センサに電気的に結合されたシナプス・ニューラル・ネットワーク・コアであって、センサからの読み取り値を、読み取り値およびコンテキスト・オブジェクトから生成される合成コンテキストベース・オブジェクトに変換するシナプス・ニューラル・ネットワーク・コアと、シナプス・ニューラル・ネットワーク・コアに電気的に結合されたトランスポンダと、トランスポンダ内のストレージ・バッファであって、トランスポンダによって監視システムに送信するために合成コンテキストベース・オブジェクトを格納するストレージ・バッファとを備える。
本発明の別の態様では、センサ動作を最適化する方法は、電気エネルギーをエネルギー蓄積デバイスに蓄積することと、蓄積された電気エネルギーをエネルギー蓄積デバイスからセンサに断続的に放出することであって、エネルギー蓄積デバイスから断続的に放出される蓄積された電気エネルギーがセンサ内の1つまたは複数の検出ユニットをアクティブにする、放出することと、センサ内の1つまたは複数の検出ユニットによってセンサ読み取り値を捕捉することと、読み取り値を格納のためにレジスタに送信することと、読み取り値をレジスタからシナプス・ニューラル・ネットワーク・コアに読み込むことと、シナプス・ニューラル・ネットワーク・コアによって読み取り値を合成事象識別子(synthetic event identifier)に変換することであって、この合成事象識別子が読み取り値およびコンテキスト・オブジェクトから生成される、変換することと、合成事象識別子をトランスポンダ・デバイス上のレジスタに読み込むことと、合成事象識別子をトランスポンダ・デバイスから監視システムに送信することとを含む。
本発明の別の態様では、センサ・システムは、エネルギー蓄積デバイスと、エネルギー蓄積デバイスに電気的に結合された断続的エネルギー放出デバイスであって、エネルギー蓄積デバイスに、蓄積されたエネルギーを断続的に放出させる断続的エネルギー放出デバイスと、断続的エネルギー放出デバイスに電気的に結合されたシナプス・ニューラル・ネットワーク・コアであって、センサからの読み取り値を、読み取り値およびコンテキスト・オブジェクトから生成される合成コンテキストベース・オブジェクトに変換するシナプス・ニューラル・ネットワーク・コアと、シナプス・ニューラル・ネットワーク・コアに電気的に結合されたトランスポンダと、トランスポンダ内のストレージ・バッファであって、トランスポンダによって監視システムに送信するために合成コンテキストベース・オブジェクトを格納するストレージ・バッファとを備える。
ここで、添付の図面を例のみとして参照し、本発明の実施形態について説明する。
本開示を実装できるシステムおよびネットワークの例を示す図である。 本開示の1つまたは複数の実施形態に記載されたセンサ・システムのアーキテクチャの例を説明する図である。 図2で説明されたセンサ・システムの追加の詳細を示す図である。 図3に示された1つまたは複数のコンポーネントの追加の回路の詳細を説明する図である。 センサおよびシナプス・ニューラル・ネットワーク・コアの詳細な例を示す図である。 図5で説明されたセンサ内の興奮性検出器および抑制性検出器(excitatoryand inhibitory detectors)によって記録された特徴の例を示す表である。 合成コンテキストベース・オブジェクトの例を説明する図である。 本開示の1つまたは複数の実施形態で使用されるトランスポンダ・デバイスの例を示す図である。 センサ動作を最適化するために1つまたは複数のハードウェア・デバイスによって実行される1つまたは複数の動作を示すハイレベルフローチャートである。
本発明は、システム、方法、またはコンピュータ・プログラム製品あるいはこれらの組合せにすることができる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を含んでいる1つまたは複数のコンピュータ可読記憶媒体を含んでもよい。
コンピュータ可読記憶媒体は、命令実行デバイスによって使用するための命令を保持および格納できる有形のデバイスにすることができる。コンピュータ可読記憶媒体は、例えば、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組合せにすることができるが、これらに限定されない。コンピュータ可読記憶媒体のさらに具体的な例の非網羅的リストは、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ(RAM:random access memory)、読み取り専用メモリ(ROM:read-onlymemory)、消去可能プログラマブル読み取り専用メモリ(EPROM:erasableprogrammable read-only memoryまたはフラッシュ・メモリ)、スタティック・ランダム・アクセス・メモリ(SRAM:static random access memory)、ポータブル・コンパクト・ディスク読み取り専用メモリ(CD−ROM:compact disc read-only memory)、デジタル多用途ディスク(DVD:digital versatile disk)、メモリ・スティック、フロッピー(R)・ディスク、パンチカードまたは命令が記録されている溝の中の隆起構造などの機械的にエンコードされるデバイス、およびこれらの任意の適切な組合せを含む。本明細書において使用されているコンピュータ可読記憶媒体は、本質的に、電波またはその他の自由に伝搬する電磁波、導波管またはその他の送信媒体を伝搬する電磁波(例えば、光ファイバ・ケーブルを通過する光パルス)、あるいはワイヤを介して送信される電気信号などの一時的信号であると解釈されるべきではない。
本明細書に記載されたコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各コンピューティング・デバイス/処理デバイスへ、またはネットワーク(例えば、インターネット、ローカル・エリア・ネットワーク、広域ネットワーク、または無線ネットワークあるいはこれらの組合せ)を介して外部コンピュータまたは外部ストレージ・デバイスへダウンロードすることができる。このネットワークは、銅伝送ケーブル、光伝送ファイバ、無線送信、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバあるいはこれらの組合せを備えてもよい。各コンピューティング・デバイス/処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェイスは、コンピュータ可読プログラム命令をネットワークから受信し、それらのコンピュータ可読プログラム命令を各コンピューティング・デバイス/処理デバイス内のコンピュータ可読記憶媒体に格納するために転送する。
本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ(ISA:instruction-set-architecture)命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、あるいは、Java(R)、Smalltalk(R)、C++などのオブジェクト指向プログラミング言語、および「C」プログラミング言語または同様のプログラミング言語などの従来の手続き型プログラミング言語を含む1つまたは複数のプログラミング言語の任意の組合せで記述されたソース・コードまたはオブジェクト・コードにしてもよい。コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に実行すること、ユーザのコンピュータ上でスタンドアロン・ソフトウェア・パッケージとして部分的に実行すること、ユーザのコンピュータ上およびリモート・コンピュータ上でそれぞれ部分的に実行すること、あるいはリモート・コンピュータ上またはサーバ上で全体的に実行することができる。後者のシナリオでは、リモート・コンピュータを、ローカル・エリア・ネットワーク(LAN:local area network)または広域ネットワーク(WAN:wide areanetwork)を含む任意の種類のネットワークを介してユーザのコンピュータに接続することができ、または接続を、(例えば、インターネット・サービス・プロバイダを使用してインターネットを介して)外部コンピュータに対して行うことができる。一部の実施形態では、本発明の態様を実行するために、例えばプログラマブル論理回路、フィールドプログラマブル・ゲート・アレイ(FPGA:field-programmable gate array)、またはプログラマブル・ロジック・アレイ(PLA:programmable logic array)を含む電子回路は、コンピュータ可読プログラム命令の状態情報を利用することによって、電子回路をカスタマイズするためのコンピュータ可読プログラム命令を実行できる。
本発明の態様は、本明細書において、本発明の実施形態に記載された方法、装置(システム)、およびコンピュータ・プログラム製品のフローチャート図またはブロック図あるいはその両方を参照して説明される。フローチャート図またはブロック図あるいはその両方の各ブロック、ならびにフローチャート図またはブロック図あるいはその両方に含まれるブロックの組合せは、コンピュータ可読プログラム命令によって実装できると理解されるであろう。
これらのコンピュータ可読プログラム命令は、コンピュータまたはその他のプログラマブル・データ処理装置のプロセッサを介して実行される命令が、フローチャートまたはブロック図あるいはその両方の1つまたは複数のブロックにおいて規定された機能/動作を実装するための手段を構築するように、汎用コンピュータ、専用コンピュータ、またはその他のプログラマブル・データ処理装置のプロセッサに提供されて、マシンを作り出すものであってよい。これらのコンピュータ可読プログラム命令は、命令が格納されたコンピュータ可読記憶媒体が、フローチャートまたはブロック図あるいはその両方の1つまたは複数のブロックにおいて規定された機能/動作の態様を実装する命令を含んでいる製品を備えるように、コンピュータ可読記憶媒体に格納され、コンピュータ、プログラマブル・データ処理装置、またはその他のデバイスあるいはこれらの組合せに、特定の方法で機能するように指示するものであってもよい。
コンピュータ可読プログラム命令は、コンピュータ、その他のプログラマブル装置、またはその他のデバイス上で実行される命令が、フローチャートまたはブロック図あるいはその両方の1つまたは複数のブロックにおいて規定された機能/動作を実装するように、コンピュータ実装プロセスを生成するべく、コンピュータ、その他のプログラマブル・データ処理装置、またはその他のデバイス上にロードされ、コンピュータ、その他のプログラマブル装置、またはその他のデバイス上で一連の動作ステップを実行させるものであってもよい。
ここで図を参照すると、特に図1において、本発明の実装形態によって、または本発明の実装形態において、あるいはその両方で利用できるシステムおよびネットワークの例のブロック図が示されている。コンピュータ102に関して、およびコンピュータ102内で示されるハードウェアおよびソフトウェアの両方を含んでいるアーキテクチャの例の一部または全部は、ソフトウェア配置サーバ150または図2に示された監視システム202あるいはその両方によって利用できることに注意するべきである。
コンピュータ102の例は、システム・バス106に結合されたプロセッサ104を含んでいる。プロセッサ104は1つまたは複数のプロセッサを利用することができ、各プロセッサは1つまたは複数のプロセッサ・コアを備える。ディスプレイ110を駆動/サポートするビデオ・アダプタ108も、システム・バス106に結合される。システム・バス106は、バス・ブリッジ112を介して入出力(I/O:input/output)バス114に結合される。I/Oインターフェイス116は、I/Oバス114に結合される。I/Oインターフェイス116は、キーボード118、マウス120、媒体トレイ122(CD−ROMドライブ、マルチメディア・インターフェイスなどのストレージ・デバイスを含む場合がある)、トランシーバ124、および外部USBポート126を含む、さまざまなI/Oデバイスとの通信を提供する。I/Oインターフェイス116に接続されたポートの形式は、コンピュータ・アーキテクチャの当業者にとって既知のものにすることができるが、一実施形態では、それらのポートの一部または全部は、ユニバーサル・シリアル・バス(USB:universal serial bus)ポートである。
図に示されているように、コンピュータ102は、ネットワーク・インターフェイス130を使用してソフトウェア配置サーバ150と通信することができる。ネットワーク・インターフェイス130は、ネットワーク・インターフェイス・カード(NIC)などのハードウェア・ネットワーク・インターフェイスである。ネットワーク128は、インターネットなどの外部ネットワーク、あるいはイーサネット(R)または仮想プライベート・ネットワーク(VPN)などの内部ネットワークにすることができる。
ハード・ドライブ・インターフェイス132も、システム・バス106に結合される。ハード・ドライブ・インターフェイス132は、ハード・ドライブ134とインターフェイスをとる。一実施形態では、ハード・ドライブ134は、やはりシステム・バス106に結合されたシステム・メモリ136にデータを入力する。システム・メモリは、コンピュータ102内の最低レベルの揮発性メモリとして定義される。この揮発性メモリは、キャッシュ・メモリ、レジスタ、およびバッファを含むがこれらに限定されない、さらに高レベルの追加の揮発性メモリ(図に示されていない)を含む。システム・メモリ136に入力されるデータは、コンピュータ102のオペレーティング・システム(OS:operating system)138およびアプリケーション・プログラム144を含む。
OS138は、透過的なユーザ・アクセスを、アプリケーション・プログラム144などのリソースに提供するためのシェル140を含んでいる。一般にシェル140は、ユーザとオペレーティング・システムの間のインタープリタおよびインターフェイスを提供するプログラムである。さらに具体的には、シェル140は、コマンド・ライン・ユーザ・インターフェイスに入力されたコマンド、またはファイルからのコマンドを実行する。したがって、シェル140(コマンド・プロセッサとも呼ばれる)は通常、オペレーティング・システムの最高レベルのソフトウェア階層であり、コマンド・インタープリタとして機能する。シェルは、システム・プロンプトを提供し、キーボード、マウス、またはその他のユーザ入力媒体によって入力されたコマンドを解釈し、解釈されたコマンドを、処理するためにオペレーティング・システムの適切なさらに低レベル(例えば、カーネル142)に送信する。シェル140はテキストベースのライン指向ユーザ・インターフェイス(line-oriented user interface)であり、本発明は、グラフィック、音声、ジェスチャなどのその他のユーザ・インターフェイス・モードも同様に適切にサポートするということに注意するべきである。
図に示されているように、OS138は、OS138のその他の部分およびアプリケーション・プログラム144によって必要とされる不可欠なサービス(メモリ管理、プロセスとタスクの管理、ディスク管理、およびマウスとキーボードの管理を含む)を提供することを含めて、OS138のさらに低レベルの機能を含むカーネル142も含んでいる。
アプリケーション・プログラム144は、ブラウザ146として例示的に示されたレンダラを含んでいる。ブラウザ146は、ワールド・ワイド・ウェブ(WWW:world wide web)クライアント(すなわち、コンピュータ102)で、ハイパーテキスト転送プロトコル(HTTP:hypertext transfer protocol)メッセージングを使用してネットワーク・メッセージをインターネットに対して送受信できるようにするプログラム・モジュールおよび命令を含んでおり、それによって、ソフトウェア配置サーバ150およびその他のコンピュータ・システムとの通信を可能にする。
コンピュータ102のシステム・メモリ(およびソフトウェア配置サーバ150のシステム・メモリ)内のアプリケーション・プログラム144は、センサ・データ処理論理(SDPL:Sensor Data Processing Logic)148も含んでいる。SDPL148は、図2〜8で説明されているプロセスを含めて、下で説明されているプロセスを実装するためのコードを含んでいる。一実施形態では、コンピュータ102は、ソフトウェア配置サーバ150からSDPL148をダウンロードすることができ、このダウンロードは、実行で必要になるまでSDPL148のコードがダウンロードされない、オンデマンドのダウンロードを含む。さらに、本発明の一実施形態では、ソフトウェア配置サーバ150が、本発明に関連するすべての機能を(SDPL148の実行を含めて)実行するため、コンピュータ102は、SDPL148を実行するためにそれ自身の内部コンピューティング・リソースを使用する必要がないということに注意するべきである。
コンピュータ102に示されたハードウェア要素は、網羅的であることは意図されておらず、本発明にとって必要不可欠なコンポーネントを強調するための代表例であることに注意するべきである。例えば、コンピュータ102は、磁気カセット、デジタル多用途ディスク(DVD)、ベルヌーイ・カートリッジなどの代替のメモリ・ストレージ・デバイスを含むことができる。これらおよびその他の変形は、本発明の主旨および範囲に含まれることが意図されている。
ここで図2を参照すると、センサ・システム252(図1のセンサ・システム152に類似する)のアーキテクチャの例およびその用途が、本開示の1つまたは複数の実施形態に従って示されている。本明細書に記載されているように、本発明の実施形態例では、センサ・システム252内にはプロセッサが存在しない。したがって、センサ・データを管理するためにプロセッサを利用する従来技術におけるセンサ・システムと比較して、処理速度が速くなると同時に、電力要求が低くなる。そのため、プロセッサの使用は、センサ・システム252の動作を監視する、またはセンサ・システム252から読み取り値を受信する、あるいはその両方を行う監視システム202(図1のコンピュータ102に類似する)に制限される。センサ・システム252のコンポーネントは、ステップ1〜12によって示されている、センサ・システム252によって実行される動作の例と併せて説明される。
ステップ1で、アンテナ201が信号および周囲エネルギーを監視システム202から受信する。信号の例は、問合せ信号、アクチベーション信号などを含むがこれらに限定されず、周囲エネルギーは、監視システム202からアンテナ201に送信されるエネルギー(例えば、無線周波数(RF)エネルギー)である。
例えば、監視システム202がRF信号をアンテナ201に送信し、センサ208によって捕捉されたセンサ・データの更新を要求すると仮定する。このRF信号は、2つの結果を実現する。第一に、RF信号自体はエネルギーであるため、周囲電力収集デバイス(ambient power collection device)204によって電気に変換することができ、それによって、センサ・システム252またはセンサ・システム252に含まれる特定のコンポーネントあるいはその両方に電力を供給する。第二に、RF信号は、シナプス・ニューラル・ネットワーク・コア(SNNC)212によって解釈可能な基本的命令を含むことができ、特定の動作を実行させる(例えば、本明細書に記載されているように、センサ208をアクティブにする、センサ読み取り値をセンサ208からレジスタ210に送信する、それらの読み取り値を合成事象識別子に変換するなど)。
ステップ2で、その他の周囲の力が周囲電力収集デバイス(APCD)204によって電力に変換される。そのような周囲の力は、機械的力、化学的力、電気的力、圧力に基づく力、光に基づく力、音に基づく力、熱電気的力などであってよい。
例えば、APCD204によって処理される機械的力は、風、水、およびその他の自然の力によって、あるいはセンサ・システム252が取り付けられているユーザ/システムの移動によって、加速移動がセンサ・システム252に与えられたときに発生する、センサ・システム252の物理的加速度であってよい。センサ・システム252およびAPCD204の移動は、APCD204内の物理的デバイス(例えば、加速度計または任意のその他の移動可能/偏向可能なアイテム)に対して、加速度の物理的運動を電気エネルギーに変換するように強制する。物理的運動を電気エネルギーに変換するために使用されるデバイスの例は、圧電発電機、圧電ナノ発電機、生物学的材料(例えば、バクテリア)が移動/変形したときに電気を発生させるという生物学的材料の圧電特性を利用するウィルス発電システム、半導体圧電デバイスなどを含むが、これらに限定されない。
化学的エネルギーから電気エネルギーへの変換は、周囲の酸素を酸素イオンに変換して電子流を発生させる固体酸化物燃料電池(SOFC)、酸化燃料によって電気を発生させるマイクロ燃料電池などを使用することによって実現できる。一実施形態では、燃料はAPCD204内に格納される。ただし、好ましい実施形態では、燃料は周囲の空気から抽出される。
RF信号などの電気エネルギーの一形態から使用可能なDC電流への変換は、レクテナ(すなわち、ダイオードまたはトランジスタあるいはその両方を使用して高周波RF信号をDC電圧に変換する「整流アンテナ」)、電圧増幅回路、ショットキー・ダイオード、磁気共鳴近接場結合(magnetic resonant near field coupling)などを使用することによって実現できる。(非DC)電気エネルギーの供給源は、監視システム202からのRF信号であってよく、または近接する電力線によって発生する電磁場などの周囲の電気的条件であってもよい。
圧力から電気への変換は、圧力の変化を電気に変換する圧電結晶を使用することによって実現できる。圧力変化の発生源は、大気の変化(例えば、気象における前線で発生する気圧変化など)、海洋の変化(例えば、センサ・システム252が水中を深く進んだときの圧力変化)などであってよい。音圧から電気への変換でも、そのような圧力検知デバイスを使用する。
光から電気への変換(光に基づく発電)は、太陽電池を使用することによって実現できる。光源は、周囲の自然の光(日光、月光、星の光)または人工の光(例えば、電球)である。
熱から電気への変換(熱電気)には、熱を使用して2種類の材料間の接合部の作用を引き起こして電気を発生させる、熱電対、サーミスタ、ペルチェ冷却器などを使用する。熱源は、太陽によって発生した熱、近接する機械/エンジンによって発生した熱などの周囲の条件を含む。
本発明の1つまたは複数の実施形態では、APCD204による発電は、センサ208またはSNNC212あるいはその両方のトリガ/有効化としても機能する。例えば、APCD204が振動を電気に変換すると仮定する。さらに、APCD204が橋の上に取り付けられると仮定する。橋の上に交通がない場合、APCD204が振動しないため、電気は発生しない。しかし、少量の交通が橋の上にある場合、少量の電気が発生するため、センサ208内の少数の運動検出器がオンになる。同様に、多くの交通が橋の上にある場合、より多くの電気が発生するため、センサ208内のより多くの運動検出器がオンになる。
さらに説明のために、センサ・システム252がセキュリティの目的で橋を監視するために使用され、センサ・システム252が橋の振動を検出すると仮定する。少量の交通(例えば、数台の自動車)のみが橋を渡っている場合、APCD204は、センサ208内の少数の振動検出器を起動するのに足りる電力しか、その運動/電気コンバータ(motion-to-electricity converter)から発生させない。それらの少数の読み取り値では、SNNC212または無線周波数識別(RFID:radio frequency identification)トランスポンダ・デバイス214あるいはその両方の内部の、読み取り値を報告するための活動が開始されない可能性がある。しかし、多くの交通がある場合(例えば、アクセスに対して橋がどのように保護されていても脅威を与える大きいトラック)、APCD204はより多くの電気を発生させて、(1)センサ内のより多くの運動検出器をアクティブにするか、または(2)SNNC212に、警報の生成などの追加の活動を開始させるか、または(3)RFIDトランスポンダ・デバイス214が警報/警告を発行できるようにするか、あるいはこれらを組み合わせて行う。したがって、APCD204は、ある条件(例えば、橋を渡る大きいトラック)が存在するまでセンサ・システム252を「静か」にすることができ、事象が発生していない期間の間に反対活動(counter-activities)を感知できない。
引き続き図2を参照すると、ステップ3で、捕捉されたエネルギーがエネルギー蓄積デバイス206に蓄積される。下で説明されているように、好ましい実施形態では、エネルギー蓄積デバイス206は、高容量および低内部抵抗値を持つコンデンサを使用した、コンデンサをベースしたものである。それによってこのコンデンサは、(APCD204から)すばやく充電し、(センサ208またはSNNC212あるいはその両方へ)容易に放電することができる。ただし、下で説明されているように、一実施形態では、外部の高抵抗抵抗器が、エネルギー蓄積デバイス206と、センサ208またはSNNC212あるいはその両方との間に存在し、長時間にわたってセンサ208またはSNNC212あるいはその両方に電力を伝達することができる。
図2のステップ4で、SNNC212は、エネルギー蓄積デバイス206のエネルギーから起動される。SNNC212の起動には、複数の効果がある可能性がある。第一に、SNNC212は、センサ208によって取得された読み取り値を格納するレジスタ210にすでに格納されているセンサ・データを読み込むことができる。第二に、SNNC212は、新しいセンサ読み取り値の取得を開始するようにセンサ208に指示することができる。第三に、SNNC212は、レジスタ210からの読み取り値またはその読み取り値から生成されたデータ(例えば、下で説明されている合成事象記述子(synthetic event descriptor))あるいはその両方を、監視システム202に送信するようにRFIDトランスポンダ・デバイス214に指示することができる。
図2のステップ5で、センサ208が起動する。ステップ6で、SNNC212が、新しい読み取り値を取得するようにセンサ208に指示する。この一連のステップでは、SNNC212がセンサ208の動作を指示していると仮定している。ただし、下の実施形態で説明されているように、センサ208の動作は、センサ208によって直接開始することができる。
引き続き、SNNC212がセンサ208を制御している実施形態において、ステップ7で、センサ208からの読み取り値がレジスタ210に送信される。アナログ/デジタル・コンバータ(ADC)209によって示されているように、一実施形態では、センサ208によって取得された読み取り値は、最初はアナログ(例えば、センサ208によって捕捉された移動、光、音などの強度に対応する電圧レベルの生成)である。先入れ先出し(FIFO)バッファ、循環バッファ、任意の種類の不揮発性メモリなどにすることができるレジスタ210は、デジタル(バイナリ)情報のみを格納することしかできないため、ADC209の使用が必要になる。好ましい実施形態では、センサ208からの(デジタル化された)読み取り値はビット単位であり、バイト単位ではない。つまり、少量の情報(例えば、6〜10ビット)のみがレジスタ210に送信されるため、帯域幅を維持し、消費電力を削減する。
図2のステップ8で、レジスタ210の内容がSNNC212に読み込まれ、その内容は、レジスタ210に格納するために(ステップ9)、目的の形態に変換される。つまり、レジスタ210は2つの異なるバッファを含むことができ、1つはセンサ208からのセンサ・データ用であり、もう1つはSNNC212からの処理済みデータ用である。あるいは、SNNC212からの処理済みデータは、センサ208からのセンサ・データを上書きすることができ、それによってレジスタ210のサイズをさらに削減する。
下で説明されているように、SNNC212からの処理済みデータは、センサ208から受信された実際のデータを含むことができる。ただし、好ましい実施形態では、SNNC212からの処理済みデータは、センサ208からの実際のデータよりも小さいパケット(下で説明される合成事象識別子など)であり、それによって、情報をセンサ・システム252から監視システム202に送信するための帯域幅要件を削減する。
SNNC212が(生または処理済みの)データをRFIDトランスポンダ・デバイス214にプッシュしない(またはプッシュしなかった)と仮定すると、ステップ10で、RFIDトランスポンダ・デバイス214がSNNC212にそのデータを要求する。
ステップ11で、RFIDトランスポンダ・デバイス214が、(生または処理済み)のデータをレジスタ210から読み取り、そのデータをRFIDトランスポンダ・デバイス214のRFID識別番号に追加する。
ステップ12で、RFIDトランスポンダ・デバイス214が、(生または処理済み)のデータをアンテナ201に送信し、アンテナ201は(生または処理済み)のデータを監視システム202に送信する。
図3および図4を参照すると、図2に示されているセンサ・システム252またはセンサ・システム252内のコンポーネントあるいはその両方が、さらに詳細に示されている。図3は、図2に示されている周囲電力収集デバイス204、エネルギー蓄積デバイス206、センサ208、およびSNNC212を示している。ただし、図3は、エネルギー蓄積デバイス206の追加の詳細および高抵抗抵抗器309も示している。
本明細書に記載されているように、エネルギー蓄積デバイス206は、抵抗器/コンデンサ(R/C)回路306を含んでいる。図4に示されているように、この図は、高容量コンデンサ404(例えば、10マイクロファラッドよりも大きい)および低抵抗抵抗器402(例えば、事前に定義されたアンペア数の電流が抵抗器402に流れることができる能力を持つように選択される)を含んでいる。したがって、電力が周囲電力収集デバイス204から受信された場合、電子がコンデンサ404の下側プレートに蓄積し、その後、抵抗器402を通って高抵抗抵抗器309に流れる。
あるいは、降伏電圧半導体(breakdown voltage semiconductor)(図に示されたツェナー・ダイオード307などの降伏トランジスタまたは降伏ダイオードにすることができる)が、高抵抗抵抗器309への電子の流れを制御する。例えば、抵抗器402の抵抗は、コンデンサ404に蓄積された電子を含めて、エネルギー蓄積デバイス206からの電流を大幅にブロックするように、相対的に高いと仮定する。ただし、コンデンサ404を充電すると電圧勾配が発生し、この電圧勾配がツェナー・ダイオード307によって検出される。この電圧が事前に定義された高レベルに達すると、ツェナー・ダイオード307が降伏し、電流が周囲電力収集デバイス204またはコンデンサ404あるいはその両方から高抵抗抵抗器309に自由に流れることができる。この電圧が(コンデンサ404のプレートの1つから放出された電子がツェナー・ダイオード307を通ることによって)事前に定義された低レベルに達すると、ツェナー・ダイオード307が再び閉じる。そのため、ツェナー・ダイオード307が開いて閉じたときに、電流スパイクが発生する。この電流スパイクによって、センサ208またはSNNC212またはセンサ・システム252内のその他のコンポーネントあるいはこれらの組合せが、オンになってオフになる。
高抵抗抵抗器309は、センサ208またはSNNC212あるいはその両方に電力が供給される時間の長さに基づいて選択される。つまり、トリクル電流(ただし、センサ208またはSNNC212あるいはその両方に電力を供給するには十分な電流)のみを許容する高抵抗抵抗器309を使用することによって、センサ208またはSNNC212あるいはその両方は長時間動作することができる。しかし、大電流を許容する高抵抗抵抗器309を使用することによって、センサ208またはSNNC212あるいはその両方は、より短く、時々中断する時間の間動作することができる。
図5は、SNNC212の動作例の詳細を示している。図5に示されているように、SNNC212はどのプロセッサも使用しない。SNCC212は、電子ニューロン間のシナプス接続を使用してシステムに必要なロジックを提供する複雑ではない回路である。本発明の一実施形態では、シナプス接続は、電子ニューロン上の信号強度によって制御されるトランジスタである。例えば、センサ208が強い振動レベルを示す信号を生成したと仮定する。この強い振動レベルは、特定の電圧(例えば、DC4.0〜5.0V)に変換することができる。この電圧レベル(DC4.0〜5.0V)は、シナプス接続を構成するトランジスタをオンにするのに十分であり、図5に示されているように、2つの電子ニューロンを接続する。しかし、センサ208が小さい振動しか検出しなかった場合、低電圧の信号(例えば、DC1.0〜2.0V)が生成される。この低い電圧は、シナプス接続であるトランジスタをオンにするのに十分ではないため、2つの電子ニューロンが結合するのを妨げる。
上で示されているように、一実施形態では、SNNC212は、センサ208、レジスタ210、またはRFIDトランスポンダ・デバイス214、あるいはこれらの組合せの動作を制御する。ただし、SNNC212の動作を説明するために、センサ208が(図2に示されているレジスタ210を使用せず、SNNC212によって制御されずに)SNNC212と直接情報をやりとりすると仮定する。ただし、センサ208またはSNNC212あるいはその両方に関して本明細書に記載された動作の特徴は、SNNC212がセンサ208の動作を制御する用途を含めて、任意の用途に適用できるということが理解される。
図5に示されているように、センサ208が複数の検出ユニットを含んでいると仮定する。本発明の実施形態では、それらの検出ユニットは興奮性検出ユニット(excitatory sensing units)(E検出ユニット502a〜502b)および抑制性検出ユニット(inhibitory sensing units)(I検出ユニット504a〜504b)を両方含む。図6に示されているように、これらの異なる種類の検出ユニットが、表602に示されているように、反対の事象によってトリガされる(それによって、センサ読み取り値出力を生成する)。例えば、検出ユニットを、加速移動を検出するように設計することができる。したがって、E検出ユニット502aを、一方向の加速度(「正」の加速度)を検出するように設計することができ、一方、I検出ユニット504aは、反対方向の加速度(「負」の加速度または「減速度」)を検出できる。
同様に、光センサとして構成される場合、E検出ユニット502bを、光を検出するように構成することができ、一方、I検出ユニット504bを、I検出ユニット504bに当たる光のレベルが特定のレベル未満(「暗い」)に低下した場合に出力をトリガするように構成できる。これによってセンサ208に、鋭い光のエッジを検出するための能力を与える。
同様に、音センサとして構成される場合、E検出ユニット502aを、正の音圧を検出するように構成することができ、一方、I検出ユニット504aを、音波からの負圧の検出に応答して出力をトリガするように構成することができる。これによってセンサ208に、音波の音/圧力スペクトル(正圧および負圧)全体のより詳細な表現を生成する能力を与える。
同様に、振動センサとして構成される場合、E検出ユニット502aを、正の振動圧(すなわち、「押圧」)を検出するように構成することができ、一方、I検出ユニット504aを、負の振動圧(すなわち、「引圧」)が検出された場合に出力をトリガするように構成することができる。これによってセンサ208に、物理的振動のスペクトル(正圧および負圧)全体のより詳細な表現を生成する能力を与える。
同様に、湿度センサとして構成される場合、E検出ユニット502aを、湿気を検出するように構成することができ、一方、I検出ユニット504aを、乾燥を検出するように構成することができる。これによってセンサ208に、周囲条件の湿度に関するより広いスペクトル表現を生成する能力を与える。
図5に示されるように、E検出ユニット502a〜502bおよびI検出ユニット504a〜504bからの出力は、SNNC212内の電子ニューロン510の配列を介して送信される。水平ニューロン510は、黒丸で示されたシナプス514などの電気シナプスを介して垂直ニューロン510に選択的に結合される。図で示されているように、E検出ユニット502a〜502bからの出力(例えば、1または0のいずれかにすることができる)は、I検出ユニット504a〜504b(その出力は、0または−1のいずれかにすることができる)からの出力によって相殺できる。
例えば、図5に示されているように、E検出ユニット502aが「1」を出力し、I検出ユニット504aが「0」を出力し、E検出ユニット502bが「1」を出力し、I検出ユニット504bが「−1」を出力していると仮定する。ニューロン510間のシナプス接続によって、図に示された値「0101」がSNNCバッファ516に格納される。次に、SNNCバッファ516からの値が、(センサ208またはセンサ208を説明するセンサ・タイプあるいはその両方を識別するセンサIDラッチ/バッファ506からのデータを使用する)IDラッチ/バッファ507からの識別子(ID)の値と共に、合成事象(SE)SNNC512に送信される。
SE SNNC512は、SNNC212で示したアーキテクチャに類似するアーキテクチャを利用する。つまり、プロセッサは存在しないが、数ビットのデータ(例えば、図5に示された例では5)に応答して合成事象記述子518を生成する特殊回路が存在する。図5の例に示されているように、IDラッチ/バッファ507に保持された値は「1」である。したがって、「10101」(IDラッチ/バッファ507からの「1」およびSNNCバッファ516からの「0101」)が、図5のSNNC212に関して説明されている方法でシナプス結合されたSE SNNC512内のニューロンに送信される。SE SNNC512の出力は、合成事象記述子518である。
合成事象記述子518は、単に、IDラッチ/バッファ507に格納された値がSNNCバッファ516に格納された値に追加された値にすることができる。この実施形態では、IDラッチ/バッファ507に格納された値はコンテキスト・オブジェクトであり、SNNCバッファ516に格納された値は非コンテキスト・データ・オブジェクト(non-contextual data object)を作成する。本発明の実施形態では、コンテキスト・オブジェクトは、コンテキスト(すなわち、意味)を非コンテキスト・データに提供する。例えば、非コンテキスト・データ「0101」は、符号化済みコンテキスト・データ(例えば、非コンテキスト・データが振動センサから来たことを示す「1」)に関連付けられるまで、意味を持たない。したがって、IDラッチ/バッファ507からの「1」がSNNCバッファ516からの非コンテキスト・データ「0101」にコンテキストを提供するように、それらの値をまとめて合成コンテキストベース・オブジェクトを作成する。
ここで図7を参照すると、合成コンテキストベース・オブジェクト702の例の追加の詳細が示されている。非コンテキスト・データ・オブジェクト704は、コンテキストを含んでいないため、意味を持たないデータ・オブジェクトである。したがって図5の例において、SNNC516からの「0101」は、値「0101」のコンテキストが存在しないため、意味を持たない。しかし、コンテキスト・オブジェクト706(例えば、IDラッチ/バッファ507からの値)と関連付けられた場合は、合成コンテキストベース・オブジェクト702を作成できる。つまり、IDラッチ/バッファ507からの値は、センサ208を説明するセンサ・タイプ(例えば、加速度計、光センサ、音センサ、化学センサなど)を表す。この情報を使用すると、値「0101」は、加速度レベル、光レベルなどを表す値として意味を持つようになる。
図7に戻り、例示の目的で、非コンテキスト・データ・オブジェクト704が5ビットを含んでいると仮定する。さらに、IDラッチ/バッファ507からの値「0」が、センサが振動センサであることを示すコンテキスト情報を提供すると仮定する。同様に、IDラッチ/バッファ507からの値「1」が、センサが湿度検出器であることを示すコンテキスト情報を提供すると仮定する。一実施形態では、合成コンテキストベース・オブジェクト702は、コンテキスト・オブジェクト706(例えば、振動センサIDの場合は「0」)および非コンテキスト・データ・オブジェクト704(例えば、橋の上の車両交通を表すセンサ読み取り値の場合は「01100」)を単に連結したものである。ただし、好ましい実施形態では、合成コンテキストベース・オブジェクト702は、図5に示されたSE SNNC512によって、極めて小さい値に減らされる。例えば、「00」の合成コンテキストベース・オブジェクトは車両交通が橋の上で検出されたことを示すことができ、「01」は歩行者交通が橋の上で検出されたことを示すことができ、「10」は乾燥条件が検出されたことを示すことができ、「11」は湿潤条件が検出されたことを示すことができる。したがって、極めて小さいサイズ(例えば、2ビット)の合成コンテキストベース・オブジェクトは、合成コンテキストベース・オブジェクトが非コンテキスト・データ・オブジェクト704とコンテキスト・オブジェクト706の単なる連結である場合よりも、必要な帯域幅が小さく、送信速度が速く、送信に必要な電力が少ないなどのようになる。ただし、電力/時間のリソースが許す場合は、非コンテキスト・データ・オブジェクト704とコンテキスト・オブジェクト706の連結は、特定のセンサが検出している内容に関するより詳細な情報を提供する。
前述したように、本発明の一実施形態では、SNNC212が、センサ208の動作を制御するか、またはセンサ208によって生成されたデータをレジスタ210から受信するか、あるいはその両方を行う。この実施形態では、図5に示されたSNNC212に入力されるニューロンは、レジスタ210から来る。SNNC212によって実行される動作は、前述の動作と同様であるが、センサ読み取り値が、センサ208から直接来るのではなく、レジスタ210から来る点が異なる。
図2に示されているように、RFIDトランスポンダ・デバイス214は、RFIDを使用するものとして表されている。これによってシステムは、本明細書に記載されているセンサ・データまたは合成コンテキストベース・オブジェクトあるいはその両方を格納するときに、RFIDのアーキテクチャを利用できる。ここで図8を参照すると、本開示の1つまたは複数の実施形態で使用されるトランスポンダ・デバイスの例が示されている。図8はチップ対応RFIDタグ(chip-enabled RFID tag)802の例を示しており、このタグは、ICチップ804および結合アンテナ806を内蔵する受動RFIDタグである。ICチップ804は、センサ・システム(例えば、図2に示されたセンサ・システム252)によって生成された情報を、送信するために格納する。ICチップ804は、低電力の電源(例えば、結合アンテナ806によって受信された問合せ信号によって充電されるコンデンサ(図に示されていない))を含むことができる。コンデンサが充電されると、RFIDタグ802が無線信号を生成し、この無線信号は、ICチップ804に格納されて結合アンテナ806によってブロードキャストされる、センサ208またはレジスタ210あるいはその両方からのセンサ情報を含むことができる。この無線信号は、ICチップ804(すなわち、図2のRFIDトランスポンダ・デバイス214)から直接送信することができ、または図2に示されたアンテナ201を利用することもできる。RFIDトランスポンダ・デバイス214がアンテナ(例えば、図8に示された結合アンテナ806)を備えていない場合、RFIDトランスポンダ・デバイス214はアンテナ201を使用する。
したがって、図2〜8で説明されている、または描写されている、あるいはその両方によって示されているように、本発明の1つまたは複数の実施形態はセンサ・システム(例えば、図2に示されているセンサ・システム252)を示し、このセンサ・システムは、エネルギー蓄積デバイス(図2の要素206)と、エネルギー蓄積デバイスに電気的に結合された断続的エネルギー放出デバイスであって、(図3〜図4に示されるように)エネルギー蓄積デバイスに、蓄積されたエネルギーを断続的に放出させる断続的エネルギー放出デバイスと、エネルギー蓄積デバイスに電気的に結合されたセンサ(図2の要素8)と、センサに電気的に結合されたレジスタ(図2の要素210)であって、センサからの読み取り値を格納するレジスタと、センサに電気的に結合されたシナプス・ニューラル・ネットワーク・コア(図2の要素212)であって、センサからの読み取り値を、読み取り値およびコンテキスト・オブジェクトから生成される合成コンテキストベース・オブジェクトに変換するシナプス・ニューラル・ネットワーク・コアと、シナプス・ニューラル・ネットワーク・コアに電気的に結合されたトランスポンダ(図2の要素214)と、トランスポンダ内のストレージ・バッファ(図8の要素804)であって、トランスポンダによって監視システムに送信するために合成コンテキストベース・オブジェクトを格納するストレージ・バッファとを備える。
本発明の実施形態では、センサ・システムは、エネルギー蓄積デバイス(図2の要素206)と、エネルギー蓄積デバイスに電気的に結合された断続的エネルギー放出デバイス(図3および図4を参照)であって、エネルギー蓄積デバイスに、蓄積されたエネルギーを断続的に放出させる断続的エネルギー放出デバイスと、断続的エネルギー放出デバイスに電気的に結合されたシナプス・ニューラル・ネットワーク・コア(図2の要素212)であって、センサからの読み取り値を、読み取り値およびコンテキスト・オブジェクトから生成される合成コンテキストベース・オブジェクトに変換するシナプス・ニューラル・ネットワーク・コアと、シナプス・ニューラル・ネットワーク・コアに電気的に結合されたトランスポンダ(図2の要素214)と、トランスポンダ内のストレージ・バッファ(図8の要素804)であって、トランスポンダによって監視システムに送信するために合成コンテキストベース・オブジェクトを格納するストレージ・バッファとを備える。
図9は、センサ動作を最適化するために1つまたは複数のハードウェア・デバイスによって実行される1つまたは複数の動作を示すハイレベルフローチャートである。
開始ブロック902の後に、ブロック904内で説明されているように、電気エネルギーがエネルギー蓄積デバイス(例えば、図2に示されているエネルギー蓄積デバイス206)に蓄積される。
ブロック906内で説明されているように、蓄積された電気エネルギーが、エネルギー蓄積デバイスからセンサ(例えば、図2のセンサ208)に断続的に放出され、エネルギー蓄積デバイスから断続的に放出される蓄積された電気エネルギーは、センサ内の1つまたは複数の検出ユニット(例えば、図5の要素502/504)をアクティブにする。
ブロック908内で説明されているように、センサ内の1つまたは複数の検出ユニットがセンサ読み取り値を捕捉し、このセンサ読み取り値が、ブロック912内で説明されているようにレジスタ(例えば、図2のレジスタ210)に送信されて格納される前に、必要に応じてデジタル読み取り値に変換される(ブロック910)。
ブロック914内で説明されているように、レジスタからの読み取り値がシナプス・ニューラル・ネットワーク・コア(例えば、図2の要素212)に読み込まれ、合成事象識別子が読み取り値およびコンテキスト・オブジェクトから生成されるように、それらの読み取り値が合成事象識別子に変換される。
ブロック916内で説明されているように、合成事象識別子が、トランスポンダ・デバイス(例えば、図2の要素214)上のレジスタ(例えば、図8の要素804)に読み込まれる。合成事象識別子がトランスポンダ・デバイスから監視システム(例えば、図2の要素202)に送信される。フローチャートは終了ブロック918で終了する。
本発明の実施形態では、コンテキスト・オブジェクトはセンサのセンサ・タイプの識別子である。例えば、コンテキスト・オブジェクトは、特定のセンサ自体(例えば、「センサ番号1」、UUIDからの情報、部品番号など)ではなく、センサ・タイプ(例えば、加速度計、温度計、湿度計など)の識別子にすることができる。
本発明の実施形態では、周囲の力から電力を発生させる。この電力は、エネルギー蓄積デバイスに結合された周囲電力収集デバイス(例えば、図2の要素204)によって発生させる。本明細書に記載されているように、周囲電力収集デバイスは周囲の力を電気に変換する。本発明のさまざまな実施形態では、周囲の力は、無線周波数エネルギー、熱、電気誘導力、加速力、および振動からなる群から来る。
本発明の実施形態では、本明細書に記載された断続的エネルギー放出デバイスは降伏ダイオード(例えば、図4の要素307)を備える。本発明の実施形態では、断続的エネルギー放出デバイスは、機能が図4の要素307に類似している降伏トランジスタを備える。
本発明の実施形態では、センサのセンサ・タイプの識別子がコンテキスト・オブジェクトとしてセンサ識別子レジスタ(例えば、図5の要素507)に格納される。センサ内の1つまたは複数の興奮性検出ユニット(例えば、図5の要素502a〜502b)のセットが、物理的条件に関連付けられた第1のタイプの物理事象を検出することに応答して、第1のタイプの信号を生成する。第1のタイプの信号が、第1のタイプの電子ニューロン上を送信される(図5を参照)。センサ内の1つまたは複数の抑制性検出ユニット(例えば、要素504a〜504b)のセットが、物理的条件に関連付けられた第2のタイプの物理事象を検出することに応答して、第2のタイプの信号を生成する。第2のタイプの信号が、第2のタイプの電子ニューロン上を送信される。シナプス・ニューラル・ネットワーク・コア内のシナプス接続のセットが、第1のタイプの電子ニューロンおよび第2のタイプの電子ニューロンを非コンテキスト・オブジェクト・レジスタ(例えば、図5の要素516)に選択的に結合する。非コンテキスト・オブジェクト・レジスタは、シナプス接続のセットから受信された非コンテキスト・データを格納する。合成事象記述子レジスタおよびセンサ識別レジスタに電気的に結合された合成事象シナプス・ニューラル・ネットワーク・コア(synthetic event synaptic neural network core)(例えば、図5の要素512)が、非コンテキスト・オブジェクト・レジスタおよびセンサ識別レジスタの内容から合成事象記述子を生成する。
図内のフローチャートおよびブロック図は、本開示のさまざまな実施形態に記載されているシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示す。これに関連して、フローチャートまたはブロック図内の各ブロックは、規定された論理機能を実装するための1つまたは複数の実行可能な命令を備える、コードのモジュール、セグメント、または部分を表すことができる。一部の代替実装形態では、ブロックに示された機能は、図に示された順序とは異なる順序で発生することができるということにも注意する必要がある。例えば、連続して示された2つのブロックは、実際には、含まれている機能に応じて、実質的に同時に実行されるか、または場合によっては逆の順序で実行されてもよい。ブロック図またはフローチャート図あるいはその両方の各ブロック、ならびにブロック図またはフローチャート図あるいはその両方に含まれるブロックの組合せは、規定された機能または動作、あるいは専用ハードウェアとコンピュータ命令の組合せを実行する専用ハードウェアベースのシステムによって実装できるということにも注意する。
本明細書で使用される用語は、特定の実施形態を説明することのみを目的としており、本発明を限定することを意図していない。本明細書で使用される単数形「a」、「an」、および「the」は、特に明示的に示されない限り、複数形も含むことが意図されている。「備える(comprise)」または「備えている(comprising)」あるいはその両方は、本明細書で使用される場合、記載された機能、整数、ステップ、動作、要素、またはコンポーネントあるいはその組合せの存在を示すが、1つまたは複数のその他の機能、整数、ステップ、動作、要素、コンポーネント、またはこれらのグループあるいはその組合せの存在または追加を除外していないとさらに理解されるであろう。
添付の特許請求の範囲内のすべてのミーンズまたはステップ・プラス・ファンクション要素の対応する構造、材料、動作、および均等なものは、具体的に請求されるその他の請求された要素と組み合わせて機能を実行するための任意の構造、材料、または動作を含むことが意図されている。本発明のさまざまな実施形態の説明は、例示および説明の目的で提示されているが、網羅的であることは意図されておらず、開示された形態での本発明に限定されない。本発明の範囲および主旨を逸脱することなく多くの変更および変形が、当業者にとって明らかとなる。本発明の原理および実際的な適用を最も適切に説明するため、およびその他の当業者が、企図されている特定の用途に適しているようなさまざまな変更を伴う多様な実施形態に関して、本発明を理解できるようにするために、実施形態が選択されて説明された。
本開示で説明されたどの方法も、VHDL(VHSICハードウェア記述言語:VHSICHardware Description Language)プログラムおよびVHDLチップを使用して実装できるということに、さらに注意するべきである。VHDLは、フィールド・プログラマブル・ゲート・アレイ(FPGA)、特定用途向け集積回路(ASIC:Application Specific Integrated Circuit)、およびその他の類似の電子デバイス用の設計入力言語の一例である。したがって、本明細書に記載されたソフトウェアで実装されるどの方法も、ハードウェアベースのVHDLプログラムによってエミュレートされ、その後、FPGAなどのVHDLチップに適用することができる。
したがって、本出願の本発明の実施形態を詳細に説明したことにより、およびその実施形態例を参照することにより、変更および変形が、添付された特許請求の範囲で定義された本発明の範囲を逸脱することなく可能であるということは明らかである。

Claims (14)

  1. エネルギー蓄積デバイスと、
    前記エネルギー蓄積デバイスに電気的に結合された断続的エネルギー放出デバイスであって、前記エネルギー蓄積デバイスに、蓄積されたエネルギーを断続的に放出させる、前記断続的エネルギー放出デバイスと、
    前記エネルギー蓄積デバイスに電気的に結合されたシナプス・ニューラル・ネットワーク・コアであって、接続されたセンサから受信された読み取り値を、前記読み取り値およびコンテキスト・オブジェクトから生成される合成コンテキストベース・オブジェクトに変換する、前記シナプス・ニューラル・ネットワーク・コアと、
    前記シナプス・ニューラル・ネットワーク・コアに電気的に結合されたトランスポンダと、
    前記トランスポンダ内のストレージ・バッファであって、前記トランスポンダによって監視システムに送信するために前記合成コンテキストベース・オブジェクトを格納する、前記ストレージ・バッファと
    を備える、センサ・システム。
  2. 前記エネルギー蓄積デバイスおよび前記シナプス・ニューラル・ネットワーク・コアに電気的に結合されたセンサをさらに備える、請求項1に記載のセンサ・システム。
  3. 前記センサに電気的に結合されたレジスタをさらに備え、前記レジスタが、前記センサからの読み取り値を格納する、請求項2に記載のセンサ・システム。
  4. 前記シナプス・ニューラル・ネットワーク・コア内の電子ニューロンを電気的に接続するシナプス接続をさらに備え、前記シナプス接続が、前記センサからの前記センサ読み取り値を、前記コンテキスト・オブジェクトと共に使用される非コンテキスト・データ・オブジェクトに変換して、前記合成コンテキストベース・オブジェクトを生成する、請求項1ないし3のいずれかに記載のセンサ・システム。
  5. 前記エネルギー蓄積デバイスに結合された周囲電力収集デバイスをさらに備え、前記周囲電力収集デバイスが、周囲の力を電気に変換する、請求項1ないし4のいずれかに記載のセンサ・システム。
  6. 前記周囲の力が、無線周波数エネルギー、熱、電気誘導力、加速力、および振動からなる群から来る、請求項5に記載のセンサ・システム。
  7. 前記断続的エネルギー放出デバイスが降伏ダイオードを備える、請求項1ないし6のいずれかに記載のセンサ・システム。
  8. センサ識別レジスタであって、前記センサの識別子を前記コンテキスト・オブジェクトとして格納する、前記センサ識別レジスタと、
    前記センサ内の1つまたは複数の興奮性検出ユニットのセットであって、前記興奮性検出ユニットが、物理的条件に関連付けられた第1のタイプの物理事象の検出に応答して第1のタイプの信号を生成し、前記第1のタイプの信号が第1のタイプの電子ニューロン上で送信される、前記1つまたは複数の興奮性検出ユニットのセットと、
    前記センサ内の1つまたは複数の抑制性検出ユニットのセットであって、前記抑制性検出ユニットが、前記物理的条件に関連付けられた第2のタイプの物理事象の検出に応答して第2のタイプの信号を生成し、前記第2のタイプの信号が第2のタイプの電子ニューロン上で送信される、前記1つまたは複数の抑制性検出ユニットのセットと、
    前記第1のタイプの電子ニューロンおよび前記第2のタイプの電子ニューロンを非コンテキスト・オブジェクト・レジスタに選択的に結合する前記シナプス・ニューラル・ネットワーク・コア内のシナプス接続のセットであって、前記非コンテキスト・オブジェクト・レジスタが前記シナプス接続のセットから受信された非コンテキスト・データを格納する、前記シナプス接続のセットと、
    合成事象記述子レジスタおよび前記センサ識別レジスタに電気的に結合された合成事象シナプス・ニューラル・ネットワーク・コアであって、前記非コンテキスト・オブジェクト・レジスタおよび前記センサ識別レジスタの内容から合成事象記述子を生成する、前記合成事象シナプス・ニューラル・ネットワーク・コアと
    をさらに備える、請求項1ないし7のいずれかに記載のセンサ・システム。
  9. 前記断続的エネルギー放出デバイスを前記センサに電気的に結合する抵抗器をさらに備え、前記抵抗器が、規定の時間の間、前記センサに電力を送信できるようにサイズが決定される、請求項1ないし8のいずれかに記載のセンサ・システム。
  10. センサの動作を最適化する方法であって、
    電気エネルギーをエネルギー蓄積デバイスに蓄積することと、
    蓄積された電気エネルギーを前記エネルギー蓄積デバイスからセンサに断続的に放出することであって、前記エネルギー蓄積デバイスから断続的に放出される蓄積された電気エネルギーが前記センサ内の1つまたは複数の検出ユニットをアクティブにする、前記断続的に放出することと、
    前記センサ内の前記1つまたは複数の検出ユニットによってセンサ読み取り値を捕捉することと、
    前記読み取り値を、格納するためにレジスタに送信することと、
    前記読み取り値を前記レジスタからシナプス・ニューラル・ネットワーク・コアに読み込むことと、
    前記シナプス・ニューラル・ネットワーク・コアによって、前記読み取り値を合成事象識別子に変換することであって、前記合成事象識別子が前記読み取り値およびコンテキスト・オブジェクトから生成される、前記変換することと、
    前記合成事象識別子をトランスポンダ・デバイス上のレジスタに読み込むことと、
    前記合成事象識別子を前記トランスポンダ・デバイスから監視システムに送信することと
    を含む、方法。
  11. 前記コンテキスト・オブジェクトが前記センサのセンサ・タイプの識別子である、請求項10に記載の方法。
  12. 周囲の力から電力を発生させることをさらに備え、前記電力は前記エネルギー蓄積デバイスに結合された周囲電力収集デバイスによって発生させ、前記周囲電力収集デバイスが周囲の力を電気に変換し、前記周囲の力が、無線周波数エネルギー、熱、電気誘導力、加速力、および振動からなる群から来る、請求項10または11に記載の方法。
  13. 前記断続的エネルギー放出が降伏ダイオードによって実行される、請求項10に記載の方法。
  14. 前記センサのセンサ・タイプの識別子を前記コンテキスト・オブジェクトとしてセンサ識別レジスタに格納することと、
    前記センサ内の1つまたは複数の興奮性検出ユニットのセットによって、物理的条件に関連付けられた第1のタイプの物理事象の検出に応答して第1のタイプの信号を生成することであって、前記第1のタイプの信号が第1のタイプの電子ニューロン上で送信される、前記生成することと、
    前記センサ内の1つまたは複数の抑制性検出ユニットのセットによって、前記物理的条件に関連付けられた第2のタイプの物理事象の検出に応答して第2のタイプの信号を生成することであって、前記第2のタイプの信号が第2のタイプの電子ニューロン上で送信される、前記生成することと、
    前記シナプス・ニューラル・ネットワーク・コア内のシナプス接続のセットによって、前記第1のタイプの電子ニューロンおよび前記第2のタイプの電子ニューロンを非コンテキスト・オブジェクト・レジスタに選択的に結合することであって、前記非コンテキスト・オブジェクト・レジスタが前記シナプス接続のセットから受信された非コンテキスト・データを格納する、前記選択的に結合することと、
    合成事象記述子レジスタおよび前記センサ識別レジスタに電気的に結合された合成事象シナプス・ニューラル・ネットワーク・コアによって、前記非コンテキスト・オブジェクト・レジスタおよび前記センサ識別レジスタの内容から合成事象記述子を生成することと
    をさらに備える、請求項10ないし13のいずれかに記載の方法。
JP2017521218A 2014-11-07 2015-10-07 シナプス・ニューラル・ネットワーク・コアに基づくセンサ・システム、およびセンサの動作を最適化する方法 Active JP6587682B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/535,779 2014-11-07
US14/535,779 US9881253B2 (en) 2014-11-07 2014-11-07 Synaptic neural network core based sensor system
PCT/IB2015/057666 WO2016071783A1 (en) 2014-11-07 2015-10-07 Synaptic neural network core based sensor system

Publications (2)

Publication Number Publication Date
JP2017538192A JP2017538192A (ja) 2017-12-21
JP6587682B2 true JP6587682B2 (ja) 2019-10-09

Family

ID=55908660

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017521218A Active JP6587682B2 (ja) 2014-11-07 2015-10-07 シナプス・ニューラル・ネットワーク・コアに基づくセンサ・システム、およびセンサの動作を最適化する方法

Country Status (6)

Country Link
US (2) US9881253B2 (ja)
JP (1) JP6587682B2 (ja)
CN (1) CN107077635B (ja)
DE (1) DE112015005058T5 (ja)
GB (1) GB2547840B (ja)
WO (1) WO2016071783A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10816940B2 (en) * 2016-10-17 2020-10-27 Ulala Lab Inc. Sensor controller and sensor assembly for collecting a variety of machine related operations data
EP3743857A4 (en) * 2018-01-23 2021-12-29 Anaflash Inc. Neural network circuits having non-volatile synapse arrays
US11277036B2 (en) * 2018-07-18 2022-03-15 Mitsubishi Electric Corporation Rectenna controller and rectenna apparatus including the same
US11537855B2 (en) 2018-09-24 2022-12-27 International Business Machines Corporation Low spike count ring buffer mechanism on neuromorphic hardware
CN110728360B (zh) * 2019-10-12 2020-07-03 联合微电子中心有限责任公司 一种基于bp神经网络的微能源器件能量识别方法
GB2623368A (en) * 2022-10-14 2024-04-17 Vodafone Group Services Ltd Ambient powered device and mobile telecommunications network

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE757705R (fr) * 1969-10-20 1971-04-01 Mcculloch Corp Procede et appareil pour la charge rapide d'une batterie
US5517429A (en) 1992-05-08 1996-05-14 Harrison; Dana C. Intelligent area monitoring system
US20070205881A1 (en) * 2000-09-08 2007-09-06 Automotive Technologies International, Inc. Energy Harvesting Systems and Methods for Vehicles
US6218687B1 (en) 1998-12-21 2001-04-17 General Atomics Smart microsensor arrays with silicon-on-insulator readouts for damage control
US7797367B1 (en) 1999-10-06 2010-09-14 Gelvin David C Apparatus for compact internetworked wireless integrated network sensors (WINS)
US7266532B2 (en) 2001-06-01 2007-09-04 The General Hospital Corporation Reconfigurable autonomous device networks
EP1405044A1 (en) 2001-07-02 2004-04-07 Battelle Memorial Institute Intelligent microsensor module
US20030081121A1 (en) * 2001-10-30 2003-05-01 Kirmuss Charles Bruno Mobile digital video monitoring with pre-event recording
US7436789B2 (en) 2003-10-09 2008-10-14 Sarnoff Corporation Ad Hoc wireless node and network
JP4415789B2 (ja) * 2004-08-20 2010-02-17 株式会社日立製作所 無線通信システム
US7539882B2 (en) * 2005-05-30 2009-05-26 Rambus Inc. Self-powered devices and methods
US8615374B1 (en) 2006-06-09 2013-12-24 Rockwell Automation Technologies, Inc. Modular, configurable, intelligent sensor system
US7603004B2 (en) 2006-06-12 2009-10-13 University Of Missouri Rolla Neural network demodulation for an optical sensor
JP4760614B2 (ja) * 2006-08-29 2011-08-31 パナソニック電工株式会社 信号識別装置の学習データの選択方法
JP2008269215A (ja) * 2007-04-19 2008-11-06 Nippon Telegr & Teleph Corp <Ntt> 特異パターン検出システム、モデル学習装置、特異パターン検出方法、及び、コンピュータプログラム
US8036847B2 (en) 2008-09-25 2011-10-11 Rockwell Automation Technologies, Inc. Maximum information capture from energy constrained sensor nodes
CN101420772A (zh) 2008-11-20 2009-04-29 中山大学 一种智能供能式光电一体化无线传感器
CN101957600A (zh) 2009-07-16 2011-01-26 上海海洋大学 水质检测无线传输采集节点装置及信息融合方法
CN101839684A (zh) 2010-03-09 2010-09-22 南京航空航天大学 压电换能器及基于压电能量回收的智能无线传感网络节点
US9092962B1 (en) 2010-04-16 2015-07-28 Kontek Industries, Inc. Diversity networks and methods for secure communications
US8655815B2 (en) * 2010-05-19 2014-02-18 The Regents Of The University Of California Neural processing unit
CN101853426A (zh) * 2010-05-21 2010-10-06 南京邮电大学 普适计算环境中基于神经网络的上下文融合方法
WO2012116716A1 (en) * 2011-03-03 2012-09-07 Telefonaktiebolaget L M Ericsson (Publ) Technique for determining correlated events in a communication system
JP5822261B2 (ja) 2011-06-23 2015-11-24 セイコーインスツル株式会社 端末装置、通信システム及び端末装置の起動方法
CN102255965A (zh) 2011-07-06 2011-11-23 无锡泛太科技有限公司 一种基于粗糙集bp神经网络的多传感器融合物联网试验平台
US8990033B2 (en) 2011-07-27 2015-03-24 International Business Machines Corporation Monitoring operational conditions of a cargo ship through use of sensor grid on intermodal containers

Also Published As

Publication number Publication date
GB2547840B (en) 2018-04-25
WO2016071783A1 (en) 2016-05-12
US9881253B2 (en) 2018-01-30
US11010660B2 (en) 2021-05-18
GB2547840A (en) 2017-08-30
US20180174029A1 (en) 2018-06-21
CN107077635B (zh) 2020-08-25
DE112015005058T5 (de) 2017-07-20
GB201708295D0 (en) 2017-07-05
JP2017538192A (ja) 2017-12-21
US20160132766A1 (en) 2016-05-12
CN107077635A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
JP6587682B2 (ja) シナプス・ニューラル・ネットワーク・コアに基づくセンサ・システム、およびセンサの動作を最適化する方法
US20240289930A1 (en) Deep learning-based real-time detection and correction of compromised sensors in autonomous machines
US10776695B1 (en) Intelligent recognition and alert methods and systems
Nguyen-An et al. IoT traffic: Modeling and measurement experiments
Iyer et al. Visual IoT: Architectural challenges and opportunities; toward a self-learning and energy-neutral IoT
WO2018192123A1 (zh) 用于车辆解锁的终端功能设置方法、装置及移动终端
Nagy et al. Internet of Birds (IoB): Song Based Bird Sensing via Machine Learning in the Cloud: How to sense, identify, classify birds based on their songs?
Hou et al. Real‐time defect detection method based on YOLO‐GSS at the edge end of a transmission line
WO2019047618A1 (zh) 物品的故障上报处理方法、装置及系统
Wu et al. Channel‐wise attention model‐based fire and rating level detection in video
US20150379111A1 (en) Crowdsourcing automation sensor data
US20170336275A1 (en) Pressure Transducer
US20220288788A1 (en) Robot and method for controlling same
US9924254B2 (en) To detect the ambient temperature around the MEMS microphone
Mo et al. IoT-LM: Large Multisensory Language Models for the Internet of Things
Figliolia et al. Acoustic micro‐Doppler signal processing with foveated electronic cochlea
Karanja et al. Development of a low cost wireless sensor network for surveillance along Kenya-Somalia border
Thong et al. Data acquisition system for Piezoelectric Cymbal Transducer energy harvesting
EP4172848B1 (en) System and methods to optimize neural networks using sensor fusion
US20230124662A1 (en) System and method for capturing an event of random occurance and length from a stream of continuous input data
US20240297522A1 (en) System and method for ai-based programming of battery agnostic energy storage system
CN115529159B (zh) 加密流量检测模型的训练方法、装置、设备及存储介质
Papan et al. Intelligent Fall Detection and Alert System for the Elderly Using Yolov8 and Cloud-Based Analytics
Tahmid Rashid et al. DASC: Towards A Road Damage-Aware Social-Media-Driven Car Sensing Framework for Disaster Response Applications
Andò et al. Intelligent sensing solutions for AAL

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180627

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190729

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190820

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190910

R150 Certificate of patent or registration of utility model

Ref document number: 6587682

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150