Các nhà nghiên cứu đặt mục tiêu tăng tuổi thọ của cảm biến và thiết bị IoT bằng cách sử dụng AI (trí thông minh nhân tạo) và công nghệ thu hoạch năng lượng.
Xem chi tiết: IoT là gì
Xem chi tiết: Cảm biến bị mất điện là tai họa của IoT
Sẽ vô ích nếu việc triển khai hàng triệu cảm biến bị liên tục hết điện. Bởi vì cảm biến IoT không thể thu thập hoặc truyền dữ liệu mà không có nguồn điện.
Đó là một lý do mà các nhà nghiên cứu đang khám phá việc thu hoạch năng lượng xung quanh. Nhiều dự án đã chỉ ra rằng một lượng nhỏ điện năng có thể được tạo ra bằng cách chuyển đổi năng lượng xung quanh trong môi trường – từ từ trường lạc, độ ẩm, nhiệt thải và thậm chí cả tiếng ồn vô tuyến không dây không mong muốn, chẳng hạn – thành năng lượng điện có thể sử dụng để cung cấp năng lượng cho IoT.
Nhưng trong khi năng lượng xung quanh có thể thu thập được, lại không phải là sự thay thế đáng tin cậy hơn năng lượng pin.
Các nhà khoa học từ Đại học Pittsburgh đang đề xuất một hệ thống ứng dụng trí tuệ nhân tạo để cắt giảm mức tiêu thụ năng lượng của các cảm biến IoT và giảm thiểu các vấn đề về tuổi thọ của pin. Dự án sử dụng các cảm biến cõng, được cung cấp bởi năng lượng thu được từ môi trường, để kích hoạt các cảm biến chính. Các cảm biến cõng sẽ chạy mà không cần giám sát và được đào tạo, sử dụng các thuật toán AI, để báo hiệu các thiết bị chính chỉ bật khi đáp ứng các điều kiện sự kiện cụ thể.
“Một trong những thách thức chính của việc chạy các thuật toán AI với năng lượng thu được từ môi trường là năng lượng từ môi trường là không liên tục”- Jingtong Hu, trưởng nhóm nghiên cứu và là phó giáo sư về kỹ thuật điện và máy tính tại trường Swanson của trường đại học cho biết. Kỹ thuật, trong một bài báo trên trang web của trường đại học. “… Nếu cảm biến mất điện, bạn sẽ mất dữ liệu, vì vậy chúng tôi muốn giúp các thuật toán AI đưa ra quyết định chính xác, ngay cả khi ngắt điện.”
Các cảm biến thu thập dữ liệu chính và radio của chúng sẽ vẫn yêu cầu nguồn cung cấp pin, nhưng người dùng năng lượng sẽ bị giảm nếu họ chỉ tham gia vào các sự kiện cụ thể.
“Thiết bị chính được lập trình để thực hiện tất cả các công việc chân,”Hu cho biết trong bài báo. “Cảm biến nhỏ hơn là cơ quan giám sát có thể giám sát môi trường và đánh thức cảm biến lớn hơn khi cần thiết.”
Mặc dù khái niệm này nghe có vẻ đơn giản, nhưng nó sẽ không dễ thực hiện.
Quỹ Khoa học Quốc gia (NSF) đã trao khoản tài trợ 250.000 USD vào tháng 8/2020 để hỗ trợ dự án của Đại học Pittsburgh. Một bản tóm tắt trên trang NSF mô tả những nỗ lực của nhóm:
“Dự án này nhằm mục đích hiện thực hóa trí tuệ nhân tạo (AI) trong các thiết bị không tốn pin như vậy. Tuy nhiên, có hai thách thức chính:
- Hầu hết các Mạng thần kinh sâu (DNN) hiện tại khó phù hợp với các vi điều khiển hạn chế tài nguyên.
- Các DNN thường yêu cầu nhiều các tập thực thi để có được một kết quả suy luận và có thể mất một khoảng thời gian không xác định do công suất thu hoạch yếu và không thể đoán trước được. Để giải quyết những thách thức này, dự án này đang phát triển các DNN đa lối ra, có thể tạo ra kết quả suy luận chính xác gia tăng trong mỗi tập thực thi. “
Các nhà nghiên cứu đã vạch ra ba nhiệm vụ mà họ dự định giải quyết để tạo nền tảng cho việc tiến hành suy luận gia tăng không liên tục trên các thiết bị IoT được hỗ trợ bởi công nghệ thu hoạch năng lượng:
“Đầu tiên, các thuật toán nén nhận biết theo dõi nguồn điện mới, các thuật toán cắt và điều chỉnh trực tuyến sẽ được phát triển để đảm bảo triển khai hiệu quả các DNN nhiều lối ra trên các thiết bị được cấp nguồn không liên tục. Thứ hai, các mạng nơ-ron gia tăng và thống kê đa lối ra (MESI-NN) sẽ được được phát triển để giảm độ trễ hơn nữa và cải thiện độ chính xác và hiệu quả năng lượng. Thứ ba, các thuật toán tìm kiếm kiến trúc thần kinh mới sẽ được phát triển để tự động tìm kiếm kiến trúc MESI-NN tốt nhất. Dự án này sẽ được đánh giá với hệ thống thực và các ứng dụng như phân loại hình ảnh, dò từ khóa và nhận dạng hoạt động. “
Kết quả cuối cùng sẽ là “hệ thống máy tính không dùng pin tinh vi”.
