• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

天基智能计算技术现状与发展趋势

唐磊 马钟 李申 王钟犀

唐磊, 马钟, 李申, 王钟犀. 天基智能计算技术现状与发展趋势[J]. 微电子学与计算机, 2022, 39(4): 1-8. doi: 10.19304/J.ISSN1000-7180.2021.1229
引用本文: 唐磊, 马钟, 李申, 王钟犀. 天基智能计算技术现状与发展趋势[J]. 微电子学与计算机, 2022, 39(4): 1-8. doi: 10.19304/J.ISSN1000-7180.2021.1229
TANG Lei, MA Zhong, LI Shen, WANG Zhongxi. The present situation and developing trends of space-based intelligent computing technology[J]. Microelectronics & Computer, 2022, 39(4): 1-8. doi: 10.19304/J.ISSN1000-7180.2021.1229
Citation: TANG Lei, MA Zhong, LI Shen, WANG Zhongxi. The present situation and developing trends of space-based intelligent computing technology[J]. Microelectronics & Computer, 2022, 39(4): 1-8. doi: 10.19304/J.ISSN1000-7180.2021.1229

天基智能计算技术现状与发展趋势

doi: 10.19304/J.ISSN1000-7180.2021.1229
基金项目: 

中国航天科技集团有限公司发展战略研究课题资助项目 FZZLY*-2020-013

详细信息
    作者简介:

    唐磊  男,(1973-),研究员,博士生导师.研究方向为星载嵌入式计算机、宇航大容量固态存储技术、信息处理微系统

    李申  男,(1988-)硕士,高级工程师.研究方向为嵌入式软件、智能计算加速

    王钟犀  女,(1997-),硕士,助理工程师.研究方向为计算机视觉

    通讯作者:

    马钟(通讯作者)  男,(1984-),博士,高级工程师.研究方向为计算机视觉、机器学习、人工智能.E-mail: mazhong@mail.com

  • 中图分类号: TP3

The present situation and developing trends of space-based intelligent computing technology

  • 摘要:

    太空任务的蓬勃发展,极大地促进了航天应用对人工智能技术的需求.智能算法在航天器上的应用、助推航天器的智能化能力的提升,已成为目前航天领域的发展趋势.但目前航天器的智能算法计算能力仍然不足,严重制约了航天领域的智能化发展.针对典型的航天智能应用,分析了智能应用对计算能力的需求,并调研了航天智能计算领域的研究现状,针对目前智能计算技术对航天智能应用的支撑情况进行了归纳总结,在此基础上指出了航天领域中智能计算技术发展应走“计算芯片系列化、计算平台通用化、配套软件统一化”的道路,构建高能效的智能计算平台和完整丰富的航天智能基础生态.本文所提出的天基智能计算技术领域中待解决的关键技术及技术战略发展路线,对航天领域在智能化变革之际抓住机遇、推动新一轮航天产业革命有着重要的意义.

     

  • 图 1  典型航天器智能化应用

    Figure 1.  Typical intelligent applications of spacecraft

    图 2  S-A1760 Venus

    Figure 2.  S-A1760 Venus

    图 3  EdgeBoard边缘AI计算盒FZ9

    Figure 3.  EdgeBoard Edge AI computing box FZ9

    图 4  天基智能计算技术发展展望

    Figure 4.  Development prospect of space-based intelligent computing technology

    表  1  不同应用场景对计算量的需求统计

    Table  1.   Calculation demand statistics for different application scenarios

    航天智能应用 采用的神经
    网络算法
    运行速度要求
    (单位为时间、帧率)
    输入图像尺寸
    (长×宽)
    计算能力需求:
    GMCC/s
    内存需求
    (中间结果存储要求)
    外存需求
    (模型大小)
    视觉深度估计 super point < 500ms 640×512 75.16 217.09MB 5.48MB
    ResNet18 FCN
    航天器型号
    及事件识别
    跟踪
    (孪生神经网络)
    25FPS 640×512 153.5 17.2MB 403.14MB
    100B 400B
    LSTM 4×4 623.36KB 664.7KB
    超分辨率重建 10FPS 16×16 2.16 701.59KB 3.21MB
    mobilenet
    船检测 YOLO v1 25FPS 300×300 239.75 13.87MB 171.04MB
    SSD 25FPS 101 134.04MB 5.8MB
    云检测 Mask RCNN 1s 1K×1K 11.05 396.76MB 24.18MB
    MobileNet 1s 8K×8K 697.04 25.28GB 24.18MB
    遥感图像
    目标检测
    Mask RCNN 1s 1K×1K 11.05 396.76MB 24.18MB
    Mobile Net 1s 8K×8K 697.04 25.28GB 24.18MB
    下载: 导出CSV

    表  2  国内外典型智能计算平台的性能比对表

    Table  2.   Performance comparison table of domestic and international typical intelligent computing platforms

    公司 产品 AI算力 功耗 尺寸 芯片规格 工作温度 内存
    Aitech S-A1760
    Venus
    1 TFLOPS,能效
    比:60 GFLOPS/W
    8W~20W 127×129×52mm Pascal GPU+双核
    NVIDIA Denver 2@
    2.0GHz+4核ARM
    A57 @ 2.0GHz
    -40~65℃ 8GB
    LRDDR4
    (128 bit)
    英特尔 Movidius 13.9GMACC/s 1W 72.5×27×14mm Movidius Myriad
    VPU
    0~40℃ 4GB LPDDR3
    (32bit)
    百度 EdgeBoard
    FZ9
    3.6TOPS 12W~30W 220×126.5×50mm Zynq UltraScale+
    ZU9EG
    0~50℃ 8GB
    DDR4
    华为 Atlas 200 22/16/8 TOPS 4GB: 5.5 W
    8GB: 8W
    52.6×38.5× 8.5mm 8核ARM
    A55@1.6GHz+2个
    DaVinci AI核
    -25~80℃ 8 GB/4 GB
    LPDDR4X
    寒武纪 思元220-M.2 8TOPS(INT8) 8.25W 80 × 22 × 7.2mm 双核ARM
    A55+MLUv02 AI核
    -20~80℃ LPDDR4x
    64 bit
    鲲云科技 雨人AI
    加速卡
    102.4 GOPS 7.0~8.5W 核心板:50 × 60mm 双核ARMA9 +
    CAISA Engine
    0~70℃ 1GB DDR4
    下载: 导出CSV
  • [1] 张海金, 苏若皓, 崔媛媛, 等. 面向军用电子系统的高性能高可靠处理器设计技术[J]. 微电子学与计算机, 2020, 37(3): 66-70. DOI: 10.19304/j.cnki.issn1000-7180.2020.03.013.

    ZHANG H J, SU R H, CUI Y Y, et al. High-Performance and reliable processor design technology for military electronic system[J]. Microelectronics & Computer, 2020, 37(3): 66-70. DOI: 10.19304/j.cnki.issn1000-7180.2020.03.013.
    [2] 黎藜, 乔德治, 何世民, 等. 星载计算机软件通用测试平台的设计与实现[J]. 微电子学与计算机, 2019, 36(3): 23-27. DOI: 10.19304/j.cnki.issn1000-7180.2019.03.005.

    LI L, QIAO D Z, HE S M, et al. Design and implementation of universal software test platform for onboard computer[J]. Microelectronics & Computer, 2019, 36(3): 23-27. DOI: 10.19304/j.cnki.issn1000-7180.2019.03.005.
    [3] 刘兴潭, 武延鹏. 天基空间目标识别方法综述[C]//第二届中国空天安全会议论文集. 大连: 中国指挥与控制学会空天安全平行系统专业委员会, 2017: 42-50.

    LIU X T, WU Y P. A survey of space-based objects identification algorithms[C]//The 2nd China Aerospace Safety Conference. Dalian: Professional Committee of Aerospace Safety parallel system of China Command and Control Society, 2017: 42-50.
    [4] 李众, 白瑞君, 洪军, 等. 基于自适应特征融合及多尺度输出的遥感图像飞机检测算法[J]. 微电子学与计算机, 2021, 38(4): 40-45. DOI: 10.19304/j.cnki.issn1000-7180.2021.04.008.

    LI Z, BAI R J, HONG J, et al. Aircraft detection algorithm of remote sensing image based on adaptive feature fusion and multi-scale output[J]. Microelectronics & Computer, 2021, 38(4): 40-45. DOI: 10.19304/j.cnki.issn1000-7180.2021.04.008.
    [5] ACCESSPATH. Planet公司利用卫星和人工智能进行地理空间情报搜集[EB/OL]. (2019-01-23)[2021-09-23]. https://zhuanlan.zhihu.com/p/55505022.

    ACCESSPATH. Planet uses satellites and artificial intelligence for geospatial intelligence gathering[EB/OL]. (2019-01-23)[2021-09-23]. https://zhuanlan.zhihu.com/p/55505022.
    [6] NASA. The enhanced thematic mapper plus(ETM+)[EB/OL]. [2021-09-17]. https://landsat.gsfc.nasa.gov/landsat-7/landsat-7-etm.
    [7] ZHAO PY, LIU JG, WU CC. Survey on research and developmentof on-orbit active debris removal methods[J]. Science ChinaTechnological Sciences, 2020, 63(11): 2188-2210.
    [8] SHILOV A. Nvidia'S Jetson AI board is ready to go to space[EB/OL]. (2021-08-14)[2021-09-23]. https://www.tomshardware.com/news/nvidias-jetson-ai-board-is-ready-to-go-to-space.
    [9] AITECH. S-A1760 VenusTM | radiation-characterized space AI GPGPU[EB/OL]. (2021-08-14)[2021-09-26]. https://aitechsystems.com/product/s-a1760-space-gpgpu/.
    [10] INTEL. Intel MovidiusTM MyriadTM 2 vision Processing unit 4GB[EB/OL]. [2021-09-26]. https://ark.intel.com/content/www/us/en/ark/products/122461/intel-movidius-myriad-2-vision-processing-unit-4gb.html.
    [11] XLINX. Radiation tolerant kintex UltraScale XQRKU060 FPGA data sheet[EB/OL]. (2020-12-17)[2021-10-12]. https://china.xilinx.com/content/dam/xilinx/support/documentation/data_sheets/ds882-xqr-kintex-ultrascale.pdf.
    [12] 李丽婷. 人工智能芯片技术进展及产业发展研究报告[J]. 厦门科技, 2019(1): 1-9. DOI: 10.3969/j.issn.1007-1563.2019.01.001.

    LI L T. A survey of artificial intelligence ch-iptechnology progress and industrial develop-ment[J]. Xiamen Science & Technology, 2019(1): 1-9. DOI: 10.3969/j.issn.1007-1563.2019.01.001.
    [13] XLINX. Zynq UltraScale+ MPSoC product tables and product selection guide[EB/OL]. [2021-09-17]. https://www.xilinx.com/content/dam/xilinx/support/documentation/selection-guides/zynq-ultrascale-plus-product-selection-guide.pdf.
    [14] AI市场. EdgeBoard嵌入式AI计算卡(FZ9)[EB/OL]. [2021-09-22]. https://aim.baidu.com/product/ad245c06-0ff6-43b0-bc4f-e3015500c57e.

    Baidu. Edgeboard embedded AI computingcard (FZ9)[EB/OL]. [2021-09-22]. https://aim.baidu.com/product/ad245c06-0ff6-43b0-bc4f-e3015500c57e.
    [15] 寒武纪. 思元220边缘计算模组[EB/OL]. (2019-11-14)[2021-10-14]. https://www.cambricon.com/index.php?m=content&c=index&a=lists&catid=55.

    CAMBRICON. Siyuan 220-M. 2 edge end AI accelerator card[EB/OL]. (2019-11-14)[2021-10-14]. https://www.cambricon.com/index.php?m=content&c=index&a=lists&catid=55.
    [16] HUAWEI. Atlas 200 AI加速模块[EB/OL]. (2021-06-01)[2021-10-14]. https://e.huawei.com/cn/products/cloud-computing-dc/atlas/atlas-200-ai.

    HUAWEI. Atlas 200 AI accelerator[EB/OL]. (2021-06-01)[2021-10-14]. https://e.huawei.com/cn/products/cloud-computing-dc/atlas/atlas-200-ai.
    [17] 鲲云科技. 鲲云科技CAISA芯片入选世界人工智能大会最高奖SAIL奖TOP30[EB/OL]. (2021-06-11)[2021-10-14]. https://weibo.com/u/6571890240?is_all=1.

    CORERAIN. CAISA chip was selected for the TOP30 SAIL award of the world artificial intelligence conference[EB/OL]. (2021-06-11)[2021-10-14]. https://weibo.com/u/6571890240?is_all=1.
    [18] 鲲云科技. 雨人加速卡[EB/OL]. [2021-09-17]. http://www.corerain.com/product#rain.

    CORERAIN. Rainman accelerator[EB/OL]. [2021-09-17]. http://www.corerain.com/product#rain.
    [19] 王朴, 周晴. 基于龙芯1E的嵌入式Linux实时性的优化与可靠性设计[J]. 微电子学与计算机, 2019, 36(11): 11-15. DOI: 10.19304/j.cnki.issn1000-7180.2019.11.003.

    WANG P, ZHOU Q. Real-time optimization and reliability Realization of embedded Linux based on Loonson 1E[J]. Microelectronics & Computer, 2019, 36(11): 11-15. DOI: 10.19304/j.cnki.issn1000-7180.2019.11.003.
    [20] 复旦微电子集团. 高可靠集成电路产品及应用解决方案[EB/OL]. [2021-09-29]. https://download.csdn.net/download/weixin_42669344/25752809.

    Fudan Microelectronics Group Company Limited. Highly reliable integratedcircuit products and application solutions[EB/OL]. [2021-09-29]. https://download.csdn.net/download/weixin_42669344/25752809.
  • 加载中
图(4) / 表(2)
计量
  • 文章访问数:  31
  • HTML全文浏览量:  14
  • PDF下载量:  11
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-08
  • 修回日期:  2021-11-19

目录

    /

    返回文章
    返回