AI による IoT センサー電力の管理

[[352688]]

センサーの電源喪失は IoT の悩みの種です。

数百万個のセンサーを導入しても、それらのデバイスが常に電力を消費するのであれば、ほとんど無駄になります。 IoT センサーは電源がなければデータを収集または送信できません。

これが、研究者が環境エネルギーの収集を研究している理由の一つです。多くのプロジェクトでは、環境内の周囲エネルギー (漂遊磁場、湿度、廃熱、さらには不要な無線ノイズなど) を使用可能な電力に変換することで、少量の電気を生成し、モノのインターネットに電力を供給できることが示されています。

バッテリーは信頼性が高いですが、信頼できる代替エネルギー源としては機能しません。

ピッツバーグ大学の科学者たちは、人工知能を応用してエネルギー消費を削減し、IoT センサーのバッテリー寿命の問題を軽減するシステムを提案しました。このプロジェクトでは、環境から収集したエネルギーで駆動するピギーバックセンサーを使用して、メインセンサーを作動させます。バックパックのセンサーは無人で動作し、人工知能アルゴリズムを使用して、特定のイベント条件が満たされた場合にのみ主要機器をオンにするように信号を送るようにトレーニングされます。

「環境から得られるエネルギーでAIアルゴリズムを実行する際の主な課題の1つは、環境のエネルギーが断続的であることだ」と、この研究の主任研究者で、同大学スワンソン工学部の電気・コンピュータ工学准教授であるジントン・フー氏は、同大学のウェブサイトの記事で述べた。「センサーの電源が切れると、データが失われるため、私たちは断続的な電源でもAIアルゴリズムが正確な判断を下せるように支援したい」

主なデータ収集センサーとその無線には依然としてバッテリー電源が必要ですが、特定のイベント中にのみ動作する場合は、電力消費が削減されます。

「マスターデバイスは、すべての作業を行うようにプログラムされている」と胡静氏は記事の中で述べている。小型センサーは、環境を監視し、必要に応じて大型センサーを起動する監視役である。 ”

コンセプトは単純に聞こえますが、実行はそうではありません。

全米科学財団（NSF）は8月にピッツバーグ大学のプロジェクトを支援するために25万ドルを授与した。 NSF ウェブサイトの概要では、チームの取り組みについて次のように説明されています。

このプロジェクトの目標は、このようなバッテリー不要のデバイスに人工知能 (AI) を実装することです。ただし、主な課題が 2 つあります。1. 既存のディープ ニューラル ネットワーク (DNN) のほとんどは、リソースが制限されたマイクロコントローラに適応するのが困難です。 2. DNN は通常、推論結果を得るために複数の実行フラグメントを必要とし、収集される電力は弱く予測不可能であるため、不確実な時間がかかる可能性があります。これらの課題に対処するために、このプロジェクトでは、実行ごとに精度の高い推論結果を出力できるマルチ出口 DNN を開発しています。 ”

研究者らは、エネルギーハーベスティング技術を搭載した IoT デバイス上で断続的な増分推論の基盤を築き、取り組む予定の 3 つのタスクの概要を示しています。

「まず、断続的に電源が供給されるデバイスにマルチエクスポート DNN を効率的に展開できるように、新しい電力追跡対応の圧縮、オンライン プルーニング、および適応アルゴリズムが開発されます。次に、レイテンシをさらに短縮し、精度とエネルギー効率を向上させるために、新しいマルチエクスポート統計および増分ニューラル ネットワーク (MESI-NN) が開発されます。最後に、最適な MESI-NN アーキテクチャを自動的に検索するための新しいニューラル アーキテクチャ検索アルゴリズムが開発されます。このプロジェクトは、画像分類、キーワード スポッティング、アクティビティ認識などの実際のシステムとアプリケーションで評価されます。」

概要によれば、最終結果は「複雑なバッテリー不要のコンピューティング システム」となる。