Brainsat: Разработка аппаратного обеспечения нейроморфного бортового компьютера для обнаружения метана с низкой околоземной орбиты

Приложения машинного обучения для космоса требуют быстрых и интенсивных вычислений. Однако проблема заключается в том, что встраиваемые вычислительные системы обычно ограничены по размеру, массе и энергопотреблению (Size, Weight and Power, SWaP), а также по возможностям тепловыделения. Хотя повышение эффективности вычислений традиционно достигалось за счет использования более мелких технологических норм производства, этот подход приближается к своим пределам, и для удовлетворения вычислительных потребностей полезной нагрузки с низкими показателями SWaP необходимы новые архитектуры. Нейроморфные вычисления (НВ) имитируют свойства биологического мозга, такие как разреженность, импульсные сети и обработка данных в памяти, предлагая тем самым лучшую производительность по сравнению с традиционными вычислительными архитектурами при значительно меньших физических характеристиках. В статье предлагается конструкция бортового компьютера, использующего НВ, с расширенными вычислительными возможностями, вписывающаяся в ограничения по размеру, массе и энергопотреблению малой спутниковой миссии на низкой околоземной орбите. Мы представляем и рассматриваем современные подходы к нейроморфным вычислениям и определяем набор требований, продиктованных указанной космической миссией и конструкцией ее космического аппарата. Затем мы выполняем предварительное проектирование аппаратного и программного обеспечения компьютера с поддержкой нейроморфных вычислений для этой миссии, сравнивая его производительность с производительностью обычного цифрового процессора по ключевым показателям (размер, масса и энергопотребление). В заключение мы обсуждаем аспекты производства и тестирования (верификации и валидации) для новой конструкции, завершая работу рекомендациями, намечающими потенциальный путь к внедрению. В статье также подробно описываются проблемы, с которыми сталкиваются нейроморфные вычисления в космической среде, и предлагается продуктно-ориентированный системный подход, прокладывающий путь к широкому будущему использованию нейроморфного аппаратного обеспечения в космосе. Статья призвана служить ориентиром для других системных интеграторов, желающих внедрить такое аппаратное обеспечение в будущие миссии.

Machine learning applications for space require fast and intensive computation. The challenge however is that embedded computing is usually constrained in size, weight and power (SWaP) as well as thermal dissipation footprints. While compute efficiency gains have traditionally been made through smaller manufacturing nodes, this approach is reaching its limits, and new architectures are needed to meet payload computation needs in a Low-SWaP manner. Neuromorphic Computing (NC) mimics traits of biological brains, such as sparseness, spiking networks, and in-memory processing, thus offering better performance compared to traditional computing architectures, with drastically reduced footprints. The paper proposes an on-board computer design leveraging NC, with advanced processing capabilities within the size, mass and power constraints of a low earth orbit small satellite mission. We introduce and review current Neuromorphic computing approaches and define a set of requirements dictated by said space mission and its spacecraft design. We then perform a preliminary design of the hardware and software of the Neuromorphic-enabled computer for this mission, comparing its performance to that of a conventional digital processor on key metrics (size, weight and power consumption). We finally discuss aspects of production and testing (VV) for the novel design, closing out with recommendations charting a potential path towards implementation. The paper also details the challenges faced by Neuromorphic processing within the Space environment, and proposes a product-driven Systems Engineering Approach, paving the way for widespread future use of Neuromorphic hardware in Space. The paper aims to act as a reference point for other system integrators wishing to implement such hardware into future missions