九十五年度微电子学门研究计画成果海报格式-NationalTaiwan.docVIP

PAGE \* MERGEFORMAT12 科技部專題研究計畫期末報告 計畫名稱：智慧型綠能物聯網系統關鍵技術開發 計畫編號： MOST 105-2218-E-002-024- 前言 隨著電子技術的高速發展，各種科技產品正逐步改變人們的生活模式。其中，近幾年又以物聯網(Internet of Things, IoT)帶動了許多革命性的轉變與進步。在未來其潛在的應用範圍，小至一個房間內部的智慧溫控，大至整個城市的交通或能源管理系統等，相關應用技術領域會更多，並帶來半導體產業的成長動能。有鑑於此，IBM早在2009年提出智慧地球(Smart Planet)概念，此概念之雛形已被各研究團隊提出與實現出來，像是維吉尼亞理工學院與MAUTC(Mid-Atlantic Universities Transportation Center)合作所建立的分類模型能夠判斷人正處於何種運輸工具上；智慧家庭也藉由在室內遍佈各種感測器而得以實現，並可以拓展應用於老年人居家安全之監測。上述各種智慧型應用實現皆仰賴物聯網基礎技術開發，主要分為：1)前端各種智慧式資料擷取設備(Intelligent Sensing)，以及2)後端的智慧式資訊分析運算(Intelligent Computing)。在全球面臨能源過分消耗的情況下，上述兩項基礎技術皆需要更有效的運用能源以支撐日漸龐大的物聯網系統。因此，如何1)提高資料擷取設備之能源效率及2)落實高複雜度資訊分析演算法於有限的能源與硬體計算資源，將會是智慧型物聯網系統實現時必會遭遇的最大挑戰！ 物聯網的架構主要可分為三層，最底層為「感知層」，由各種資料擷取設備所組成；中間為「網路層」，藉由各種無線傳輸技術將資料在各設備中傳遞；最上層為「應用層(運算層)」，為了要讓物聯網產生有價值的應用，必須仰賴高運算複雜度的機器學習演算法分析處理感知到的資訊。然而，未來更大規模的物聯網服務勢必要求蒐集更多元的環境資訊，進而使得物聯網所產生的資料量將呈現爆炸性的成長。這些未經機器學習機制處理過的原始資料若都依靠雲端運算來做資訊分析，這些資料將會占據可觀的網路流量使得頻寬無法負荷。除此之外，資料傳輸過程中經過層層的路由器所需之傳輸延遲(Latency)，以及機器學習演算法運算所需之時間成本，皆造成機器回應時間的延遲大幅的提高，因而造成無法滿足及時學習與分析的問題!如此一來，將會造成整體系統效能的屏障，並限制了物聯網之應用範圍。 為了整體降低資料傳輸造成的負荷、提升後端資訊分析運算的效率，思科(Cisco)提出霧運算(Fog Computing)的概念，各種資料擷取設備所收集到的資料將在閘道器進行預處理，讓其後所傳遞的資訊是處理後的資料結構。採取階層性(Layered)的物聯網架構，運算模式將由集中雲端的方式轉變為分散式的運算有效降低網路流量以及資料中心的運算負荷。但是，隨著階層越分越多，相對於雲端運算，在接近感知層的節點上所擁有的記憶體容量、硬體運算資源皆越有限。因此，如何在有限的硬體資源下實現機器學習演算法，將成為未來研究的挑戰! 另一方面，隨著半導體製程的持續演進，在積體電路晶片系統的單位面積內能夠擺放越來越多的電晶體，人們能夠藉由其提供的高運算能力完成各種複雜的功能，同時卻也衍伸出晶片系統內功率密度(Power Density)過高的現象。晶片系統內的功率消耗在先進製程下呈現指數性成長，但是，電池所能提供的能源卻成長有限，使得功率缺口(Power Gap)越來越大。在電子設備數量將達到百億規模的物聯網環境中，大量依賴無線感測資料擷取以及微型霧運算機器學習過程，能源效率(Energy Efficiency)將會是首要議題，不但會直接決定感測節點的續航能力、更會影響感測內容的豐富性。在ARM、Intel、Apple、Qualcomm、IBM、Freescale、NXP等各大廠商的物聯網應用晶片技術開發過程中，也都不約而同直指超低功耗、感測內容豐富性將是物聯網時代的兩項最具挑戰技術指標。也就是說，物聯網應用技術的挑戰不只是低功耗，更需提供豐富且有用的資訊內容。 圖 圖一：CERES計畫之整體架構圖與研究問題之相關性。 研究目的 為了達成上述目標，智慧感知與智慧學習分析將是關鍵，如圖一所示，本計畫致力於智慧型綠能物聯網系統關鍵技術開發(Enabling Technologies for CErebral and GREen IoT System, CERES)，將著重於兩個主軸方向來發展：1) 物聯感測資料擷取層面的高能源效率智慧感測器電路模組設計以及 2) 物聯感測資訊分析層面的微型綠能智慧機器學習系統開發。CERES亦是希臘神話中的穀神星，祂教導人民耕種自給自足，此一精神與本計畫欲達到之「智慧綠能」的目標是一致的，