Разработка нейрочипов на ПЛИС для обрабоки сигналов мультисенсорных систем для идентификации газов Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.272.34

А.А. Мащенко, А.В. Лашков, В.Ю. Мусатов, В.В. Сысоев РАЗРАБОТКА НЕЙРОЧИПОВ НА ПЛИС ДЛЯ ОБРАБОКИ СИГНАЛОВ МУЛЬТИСЕНСОРНЫХ СИСТЕМ ДЛЯ ИДЕНТИФИКАЦИИ ГАЗОВ

Рассматривается возможный подход аппаратной реализации нейронных сетей на ПЛИС.

Нейронные сети, ПЛИС

A.A. Maschenko, A.V. Lashkov, V.Yu. Musatov, V.V. Sysoev

DEVELOPMENT NEUROCHIP FPGA FOR SIGNALS ANALYSIS MULTISENSOR SYSTEMS FOR IDENTIFICATION OF GAS

Potential approaches the hardware implementation of neural networks on FPGAs.

Neural Networks, FPGA

В последнее время большой интерес вызывают полупроводниковые газоаналитические устройства, работающие на принципах биологической обонятельной системы и называемые часто приборами вида «электронный нос» (ЭН). Такие устройства способны стать альтернативой известным приборам, анализирующим состав газовых смесей путем анализа составляющих их компонент (спектрометры, хроматографии и пр.), для задач дешевой экспресс-диагностики. Приборы вида ЭН включают, как правило, сенсорную систему, генерирующую первичный векторный сигнал, и методы распознавания образов, сопоставляющие этот сигнал с данными, хранимыми в базе данных. Соответственно, диагностика окружающей атмосферы может быть выполнена в реальном масштабе времени.

Современные технологии позволяют изготавливать мультисенсорные системы в виде однокристальных чипов, себестоимость изготовления которых групповыми методами микроэлектроники близка к стоимости изготовления дискретных сенсоров. Одним из наиболее ярких примеров таких мультисенсорных чипов является совместная разработка Саратовского государственного технического университета, Исследовательского Центра Карлсруэ (Германия) и университета Южного Иллинойса (США) (рис. 1) [1]. В качестве сенсорного элемента в этом чипе применяется широкозонный оксидный полупроводник (как правило, оксид олова) в виде тонкой пленки или монокристаллических нановолокон.

Для выполнения задачи распознавания векторного отклика мультисенсорной системы на классы, соответствующие газам, обычно применяются алгоритмы, реализуемые, в том числе, с помощью искусственных нейронных сетей.

Как правило, основные способы реализации искусственных нейронных сетей ограничиваются областью программного моделирования в различных средах визуального и невизуального проектирования. При этом возможности применения специализированных процессоров для отмеченных задач практически не изучены.

164

Тем не менее нами недавно показана успешная реализация алгоритмов распознавания векторных мультисенсорных сигналов на основе корреляционных, или хеббовских, нейронных сетей с самоорганизацией [2] с помощью нейропроцессора NM6403 [3]. Для примера на рис. 2 показаны результаты распознавания воздуха, смеси расстворитель/воздух и смеси лимон/воздух с помощью нейропроцессора NM6403.

В последнее время большой интерес вызывают приборы программируемой логики, представителями которых являются программируемые логические интегральные схемы (ПЛИС).

Эти устройства применяются для построения разнообразных интерфейсных узлов, устройств управления и контроля и т.д. В настоящее время с появлением быстродействующих ПЛИС сверхвысокой интеграции, работающих на высоких тактовых частотах, их ниша на мировом рынке значительно расширилась. Современные образцы ПЛИС, выполненные по 0,22-микронной технологии, способны работать на частотах до 300 МГц и более, реализуют до 3 млн. эквивалентных логических вентилей. Такие мощности ПЛИС позволяют использовать их не только для реализации простых контроллеров и интерфейсных узлов, но и для цифровой обработки сигналов, сложных интеллектуальных контроллеров и нейрочипов. Поэтому интерес вызывает использование ПЛИС для реализации нейрочипов, в том числе для задач обработки векторных сигналов мультисенсорных систем.

Для этого имеются следующие предпосылки: 1)

разработка проектов на ПЛИС оказывается достаточно

быстрой (как правило, несколько месяцев); 2) ПЛИС из-за конструктивных

особенностей могут быть эффективно использованы при реализации нейрочипов;

3) ПЛИС способны неплохо

масштабироваться и достаточно дешевы; 4) производство

недорогих специализированных процессоров на основе ПЛИС может быть организовано в России.

В результате работы

планируется реализовать на ПЛИС нейронные сети Хебба с самоорганизацией для

выполнения задачи разделения отклика мультисенсорной

системы на классы,

соответствующие различным газам.

В качестве элементной базы можно использовать наборы разработчика,

предоставляемые производителями ПЛИС.

Например, фирма Altera предлагает следующие

Рис. 1. Фронтальная и тыловая стороны подложки мультисенсорного чипа

Рис. 2. Результаты распознавания газов с помощью нейропроцессора NM6403

варианты наборов разработчика: 1) MAX II; 2) Arria II GX ППВМ; 3) Atria II GX ППВМ, вариант 6G.

Первый вариант самый дешевый в представленной линейке, он стоит порядка 150$. ПЛИС, установленная на этой плате, имеет CPLD архитектуру. Число логических элементов составляет 1270. Это в десятки и даже сотни раз меньше, чем у ПЛИС с архитектурой FPGA. Представленные второй и третий варианты имеют FPGA архитектуру, стоят соответственно 1500$ и 3000$, но вмещают уже соответственно 124100 и 256000 логических элементов.

ЛИТЕРАТУРА

1. Percolating SnO2 nanowire network as a stable gas sensor: direct comparison of longterm performance versus SnO2 nanoparticle films / V.V. Sysoev, T. Schneider, J. Goschnick, I. Kiselev et al. // Sensors and Actuators B. V. 139. 2009. PP. 699-703.

2. Оссовский С. Нейронные сети для обработки информации / С. Оссовский; пер. с польск. И. Д. Рудинского. М.: Финансы и статистика, 2004. 344 с.

3. О возможности применения нейропроцессора для обработки отклика однокристальной мультисенсорной микросистемы идентификации газов / В.Ю. Мусатов,

В.В. Сысоев, А.А. Мащенко, А.С. Варежников и др. // Мехатроника. Автоматизация. Управление. 2008. №1.С. 17-22.

Мащенко Артем Андреевич -аспирант кафедры «Системы искусственного интеллекта» Саратовского государственного технического университета

Лашков Андрей Владимирович -студент Саратовского государственного технического университета

Мусатов Вячеслав Юрьевич -кандидат технических наук, доцент кафедры «Системы искусственного интеллекта» Саратовского государственного технического университета

Сысоев Виктор Владимирович -технических наук, доцент кафедры «Общая физика» Саратовского государственного технического университета

Статья поступила в редакцию 01.11.10, принята к опубликованию 15.11.10