Sensori "smart" per l'Internet of Things

Titolo del progetto di ricerca

SENSEI - Sensemaking for Scalable IoT Platforms with In-Situ Data-Analytics: A Software-to-Silicon Solution for Energy-Efficient Machine-Learning on Chip

Area scientifica 

Ingegneria dell’informazione, Machine Learning, Design Automation

Coordinatore del progetto

Andrea Calimera

Abstract 

Il successo del paradigma Internet-of-Things (IoT) passa attraverso lo sviluppo di sensori intelligenti capaci di convertire autonomamente dati grezzi in informazioni utili. Questo progetto ha sviluppato tecniche di progettazione automatica per l’implementazione di piattaforme portatili a ridotti consumi di potenza su cui poter integrare algoritmi di intelligenza artificiale per l’analisi dei dati.

Descrizione del progetto di ricerca 

L’efficienza del paradigma Internet-of-Things (IoT) non si misura in termini di volumi di dati raccolti, bensì in capacità di trasformare tali dati in informazioni utili. Meglio conosciuto come "sensemaking", il processo di conversione “dato-informazione” prevede l'utilizzo di algoritmi di machine learning per la classificazione.

Con la crescita esponenziale del numero di dispositivi mobili collegati tramite IoT e il vertiginoso aumento del volume di dati, l’attuale sfida tecnologica è riuscire a smaltire in modo efficiente i flussi di dati scongiurando così la congestione delle risorse di archiviazione e dei canali di comunicazione. Questo è l'obiettivo dell’intera comunità Big-Data, attiva nel cercare soluzioni per ottimizzare data-center (dove i dati vengono memorizzati) e  rete internet (sulla quale i dati vengono trasmessi).

Anche il progetto SENSEI si è concentrato sulla stessa problematica, perseguendo però una strategia alternativa: agire direttamente alla fonte del problema, i sensori, dove i dati vengono generati. La vision è che sensori smart di nuova generazione potranno eseguire analisi statistiche in tempo reale e generare dati ad elevata densità di informazione (e non soltanto elevato volume).

L'attenzione è stata dunque rivolta alla progettazione di sensori in grado di eseguire in tempo-reale processi di machine learning. Nello specifico, la sfida è sviluppare nuove strategie progettuali/circuitali per sistemi embedded a basso consumo di potenza che eseguono reti neurali (Deep Neural Networks) per la classificazione dei dati.

Impatto sulla società 

La possibilità di processare dati alla sorgente, e quindi vicino ai sensori, rappresenta una soluzione per garantire la sostenibilità dell’ecosistema IoT. Oggetti in grado di estrarre ed elaborare autonomamente informazioni sensibili potranno infatti migliorare la qualità dei servizi in molte applicazioni IoT, dalla telemedicina e la domotica, al trasporto intelligente, la fabbrica 4.0 e la distribuzione intelligente dell’energia elettrica. Uno scambio di informazioni più efficiente tra esseri umani e/o tra macchine consentirà infatti di costruire modelli predittivi per anticipare le richieste e fornire servizi personalizzati in base alle specifiche dei singoli individui o di intere collettività. Tale livello di “smartness” consentirà al paradigma IoT di raggiungere lo scopo per il quale è stato concepito: migliorare la qualità dei servizi tecnologici a costi contenuti.

Risultati della ricerca

Durante il progetto sono state implementate ottimizzazioni dedicate a una vasta gamma di strumenti IoT, allo scopo di ridurre la complessità degli algoritmi e la conseguente necessità di capacità di calcolo ma anche imitare i meccanismi adattativi usati dal cervello umano. Gli esperimenti svolti su reti inferenziali per riconoscere specifici pattern hanno dato risultati positivi sia per la compressione della memoria necessaria che per l’efficienza energetica. I risultati ottenuti dal progetto SENSEI contribuiranno all’adozione diffusa del paradigma “in situ data analytics” favorendo la progettazione di infrastrutture IoT più efficienti e sostenibili e al tempo stesso meno costose.

Tra i principali risultati scientifici ricordiamo in particolare:

  • 17 pubblicazioni scientifiche e 9 presentazioni del progetto a conferenza
  • Nuove collaborazioni con Università di Bologna, ETH Zurich (Svizzera), Brown University (Stati Uniti) e ICAR- CNR di Napoli
  • Un brevetto in preparazione
  • Presentazione all’evento divulgativo “AI on the edge” a Milano nel 2018

Breve cv del coordinatore 

Andrea Calimera è ricercatore presso il DAUIN - Dipartimento di Automatica e Informatica del Politecnico di Torino. Le sue principali attività di ricerca riguardano lo sviluppo di strumenti di progettazione assistita da calcolatore (CAD) per circuiti integrati digitali a ridotti consumi di potenza ed elevata efficienza energetica impiegati in piattaforme "embedded".

Gruppo di lavoro @Polito 

Valerio Tenace, Ricercatore post-Doc

Luca Mocerino,  Ricercatore post-Doc

Valentino Peluso, Studente di Dottorato

Roberto G. Rizzo, Studente di Dottorato

Partenariato

Partner accademico: Università di Bologna - Italia

Partner non accademico: ST Microelectronics - Francia

  • Budget: 149.895
  • Data inizio: 15/09/2017
  • Data fine: 14/09/2019