基于異構(gòu)融合類腦芯片的衛(wèi)星智能平臺設(shè)計

孫澤渝 肖斯雨 沈奇 彭飛 何俊

（上海航天電子技術(shù)研究所， 上海， 201109）

近年來， 國家不斷加強衛(wèi)星互聯(lián)網(wǎng)建設(shè)。2016 年7 月28 日， 《國務院關(guān)于印發(fā) “十三五” 國家科技創(chuàng)新規(guī)劃的通知》發(fā)布， 提出要建設(shè)天地一體化信息網(wǎng)絡， 推進天基信息網(wǎng)、 未來互聯(lián)網(wǎng)、 移動通信網(wǎng)的全面融合， 形成覆蓋全球的天地一體化信息網(wǎng)絡。 天地一體化信息網(wǎng)絡是通過多種異構(gòu)網(wǎng)絡系統(tǒng)及資源間的協(xié)作來實現(xiàn)多源數(shù)據(jù)融合和及時響應處理的一體化信息處理平臺。 未來多種垂直行業(yè)的傳輸數(shù)據(jù)具備多樣化、多元化、 海量等特點， 而天地一體化信息網(wǎng)絡正是基于多維、 多源的空間信息的采集、 傳輸、 處理、 實時全區(qū)域共享與應用等一體化的應用。

與此同時， 在云計算、 物聯(lián)網(wǎng)、 大數(shù)據(jù)、 人工智能和邊緣計算等前沿技術(shù)的推動下， 互聯(lián)網(wǎng)智能化程度日益提升， 互聯(lián)網(wǎng)云腦架構(gòu)概念逐漸成熟。 借鑒互聯(lián)網(wǎng)云腦架構(gòu)概念， 未來天基信息系統(tǒng)將突破轉(zhuǎn)變?yōu)橐灾悄芑l(fā)展程度作為主要劃代依據(jù)。 太空戰(zhàn)場向靈活、 彈性、 多域互聯(lián)的智能化重組架構(gòu)發(fā)展， 態(tài)勢感知和指揮作戰(zhàn)進一步由當前的 “人在回路中” 演化為 “人在回路上” 軍事云腦架構(gòu)方案。

本文以天地一體化信息網(wǎng)絡應用需求為研究背景， 考慮到不斷擴大的網(wǎng)絡規(guī)模、 海量業(yè)務數(shù)據(jù)、 智能信息決策等特點， 提出一種基于異構(gòu)融合類腦芯片的星上智能處理平臺架構(gòu)設(shè)計， 進一步提升衛(wèi)星智能決策海量數(shù)據(jù)處理能力， 提高衛(wèi)星信息處理實時性及智能性， 為天地一體化的全域聯(lián)合作戰(zhàn)提供解決方案。

1 現(xiàn)狀分析

從現(xiàn)有計算機體系的歷史演進來看， 整個計算機軟硬件系統(tǒng)是構(gòu)建在以共享內(nèi)存或消息傳遞等為特征的編程模型、 通用圖靈機執(zhí)行模型和馮諾依曼結(jié)構(gòu)模型這3 類模型基礎(chǔ)上的。 在層次化設(shè)計以及層次間引入一定程度抽象的指導思想下， 確保了計算機軟硬件的飛速發(fā)展， 造就了信息技術(shù)及應用的空前繁榮。 特別是2014 年至今，一系列令人振奮的成果強勢拉開了智能化時代的革命序幕， 人工智能的熱潮風起云涌， 被認為將帶來第四次工業(yè)革命， 其影響深遠。 與此同時，衛(wèi)星星上平臺智能化應用的迫切性日益顯著。

另一方面， 深度學習面臨著一個艱巨的挑戰(zhàn)， 其所需的處理能力遠遠超出了通用處理器的能力， 而轉(zhuǎn)向利用圖形處理器 （GPU）。 GPU 的好處是支持較大規(guī)模并行計算， 可以將數(shù)據(jù)處理任務劃分成多個小塊， 然后分配到各個處理單元。 GPU 雖然提升了并行計算的能力， 但需要占用大量的處理器資源并伴隨巨大的能耗。

目前， 星上高速處理功能的處理器都是基于“馮·諾依曼” 架構(gòu)， 即計算與存儲分離， 按預設(shè)的程序以控制流模式驅(qū)動系統(tǒng)運行， 結(jié)構(gòu)簡潔、易于實現(xiàn)高速數(shù)值計算。 但是， 存儲與計算的分離導致信息在往復傳送過程中的耗能巨大， 還導致嚴重的存儲墻效應， 這是由于程序或數(shù)據(jù)往復傳輸?shù)乃俾释簧现醒胩幚砥魈幚硇畔⒌乃俾剩?即便是并行處理系統(tǒng)也沒有改變每個處理器核都是一維處理的本質(zhì)， 極大降低了處理器的效率。 當處理海量數(shù)據(jù)時， 由這種不匹配引起的高能耗、 低效率尤其嚴重。

類腦計算架構(gòu)借鑒腦神經(jīng)網(wǎng)絡的特點， 將高維信息映射在多層、 多粒度、 高可塑性的復雜網(wǎng)絡空間中進行處理， 無需預先建立控制流模型。近年來， 研究與人腦工作模式更接近的脈沖神經(jīng)網(wǎng)絡 （SNN） 及其硬件化實現(xiàn)， 是類腦計算研究領(lǐng)域的一個熱點。 在脈沖神經(jīng)網(wǎng)絡中， 神經(jīng)元以電脈沖的形式對信息進行編碼， 能夠很好地編碼時空域信息， 更接近真實神經(jīng)元對信息的編碼方式， 被認為是能接近仿生機制的神經(jīng)網(wǎng)絡模型。與傳統(tǒng)的人工神經(jīng)網(wǎng)絡 （ANN） 相比， 脈沖神經(jīng)網(wǎng)絡不僅支持豐富的編碼模式， 如時域編碼、 空域編碼、 時空域編碼、 群編碼、 burst 編碼等， 還可以以異步的、 事件驅(qū)動的方式進行工作， 更易于在硬件上實現(xiàn)分布式計算及以類數(shù)據(jù)流執(zhí)行模式實現(xiàn)真正的并行處理。 脈沖神經(jīng)網(wǎng)絡具有低功耗、 高運算速度等潛在優(yōu)勢。

可是， 由于算法和模型的巨大差別， 兩種神經(jīng)網(wǎng)絡很難在同一個處理器運行。 基于 “馮·諾依曼” 計算架構(gòu)的處理器擅于實現(xiàn)計算復雜、 數(shù)據(jù)密集和運算存儲規(guī)整的人工神經(jīng)網(wǎng)絡。 與之相對的， 神經(jīng)形態(tài)處理器則主要支持脈沖神經(jīng)網(wǎng)絡， 對人工神經(jīng)網(wǎng)絡的支持有限。 另外， 從應用的角度看， 神經(jīng)形態(tài)處理器在編程模型、 執(zhí)行模型等方面的研究還有不足， 導致對結(jié)構(gòu)模型的支持效率較低。

針對計算架構(gòu)互不兼容的問題， 目前清華大學自主設(shè)計并研制國內(nèi)首款異構(gòu)融合類腦芯片“天機” 系列芯片， 構(gòu)建與之配套的系列軟硬件平臺， 搭建了ANN （支持Caffe、 TensorFlow、ONNX 等） 和SNN 的編程框架， 支撐大規(guī)模深度網(wǎng)絡模型的構(gòu)建與訓練， 如圖1 所示。

圖1 基于天機芯片的ANN 和SNN 混合神經(jīng)架構(gòu)示意圖

2 星上智能處理平臺

傳統(tǒng)衛(wèi)星綜合電子平臺主要將測控、 數(shù)傳、數(shù)據(jù)采集、 數(shù)據(jù)存儲等業(yè)務集成， 采用傳統(tǒng)的“衛(wèi)星數(shù)據(jù)獲取—地面站接收處理—指令上注—星上執(zhí)行” 的模式。 平臺主要基于cPCI 等并行和低速串行的混合形式總線實現(xiàn)信息交互， 傳輸速率低、 拓撲形式單一。 同時， 由于處理平臺算力限制， 尚未在工程中大規(guī)模引入人工智能算法， 亟需在傳統(tǒng)業(yè)務基礎(chǔ)上， 進一步提升平臺的智能管理、 高效計算、 網(wǎng)絡化互連及人工智能應用， 為用戶提供更為靈活和智能的開發(fā)模式， 以支撐未來航天器的智能計算需求。

2.1 確定星上智能處理平臺信息流架構(gòu)

基于異構(gòu)融合類腦芯片的星上智能處理平臺基于總線式、 開放式設(shè)計理念， 通過高速交換總線接收載荷及衛(wèi)星健康監(jiān)測數(shù)據(jù)進行路由分發(fā)，減少外部接口數(shù)量， 提高數(shù)據(jù)接入能力； 類腦計算模塊實現(xiàn)星上智能預測、 自主任務規(guī)劃、 航天器管理， 充分利用衛(wèi)星節(jié)點資源， 實現(xiàn)進一步的星上自主化； 存儲模塊實現(xiàn)星上海量數(shù)據(jù)存儲；電源及系統(tǒng)管理模塊實現(xiàn)衛(wèi)星平臺工作狀態(tài)控制； 通過接口模塊及擴展功能模塊， 實現(xiàn)衛(wèi)星測控數(shù)據(jù)交互及其他載荷擴展功能。 最終實現(xiàn)天基智能決策， 衛(wèi)星在軌自主調(diào)整規(guī)劃。

2.2 設(shè)置星上實時處理平臺功能

傳統(tǒng)衛(wèi)星平臺星上計算能力有限， 面對海量數(shù)據(jù)需求時， 衛(wèi)星節(jié)點計算能力的合理利用顯得尤為重要。 在當前衛(wèi)星信息系統(tǒng)平臺基礎(chǔ)上進一步提升衛(wèi)星在軌自主規(guī)劃能力， 基于異構(gòu)融合類腦芯片實現(xiàn)在軌自主預測、 任務調(diào)度決策， 進一步降低衛(wèi)星業(yè)務成本。 設(shè)計星上實時處理平臺如圖2 所示， 包括分布式任務管理控制、 類腦計算決策、 高速信息處理、 大容量存儲等核心功能模塊， 各模塊間通過高速數(shù)據(jù)交換網(wǎng)絡以及控制總線交換網(wǎng)絡實現(xiàn)信息交互， 為星上任務規(guī)劃管理提供高速數(shù)據(jù)傳輸通路。

圖2 星上實時處理平臺功能圖

分布式任務管理實現(xiàn)平臺星務的自主管理和控制， 是衛(wèi)星管理系統(tǒng)的主控單元。 分布式管理模塊對接收的衛(wèi)星指令進行解析， 將解析后的任務分發(fā)給各功能模塊， 同時對整個系統(tǒng)進行自主管理、 星間數(shù)據(jù)路由規(guī)劃管理， 最終實現(xiàn)系統(tǒng)參數(shù)設(shè)置、 算法選擇、 動態(tài)路由、 程序上注、 功能重構(gòu)等星上管理基本功能與星間網(wǎng)絡協(xié)同規(guī)劃功能。

2.3 高速信息處理模塊設(shè)置及其硬件構(gòu)成

高速信息處理模塊主要完成星上數(shù)據(jù)高性能實時計算， 根據(jù)處理算法復雜度可以分為高速并行處理模塊和復雜算法模塊。 高速并行處理模塊完成大數(shù)據(jù)量簡單計算功能， 通常由高性能FPGA 組成； 復雜算法實現(xiàn)等模塊實現(xiàn)復雜算法， 通常由高性能DSP、 CPU、 SoC、 GPU 或?qū)Ｓ肁SIC 組成。

類腦計算決策模塊采用FPGA＋高性能異構(gòu)融合類腦芯片的硬件組成， 利用FPGA 外擴的以太網(wǎng)、 PCIE 等高速串行接口， 實現(xiàn)與異構(gòu)融合類腦芯片的數(shù)據(jù)交互， 模塊收集衛(wèi)星姿態(tài)等數(shù)據(jù)進行迭代預測； 利用異構(gòu)融合類腦芯片不斷學習演進， 實現(xiàn)衛(wèi)星姿態(tài)數(shù)據(jù)模型的建立和預測， 將預測結(jié)果反饋至星務平臺提前進行系統(tǒng)級的規(guī)劃與調(diào)度。 此外， 異構(gòu)融合類腦芯片收集外部各類載荷數(shù)據(jù)及天基衛(wèi)星節(jié)點資源空閑情況， 通過類腦計算不斷推演任務分配調(diào)度模式， 實現(xiàn)衛(wèi)星資源利用最大化， 根據(jù)分配方案完成星座間數(shù)據(jù)交互以及異構(gòu)資源的效率最大化。

根據(jù)信息處理需求， VPX 內(nèi)總線接收數(shù)據(jù)，內(nèi)部總線傳輸接口選擇高速RapidIO， 將處理之后的數(shù)據(jù)通過光纖接口等輸出至數(shù)傳系統(tǒng)。 將載荷數(shù)據(jù)處理按照功能劃分， FPGA 完成接口通信、 數(shù)據(jù)緩存、 適合高速并行處理的算法， 異構(gòu)融合類腦芯片完成模型推演學習、 數(shù)據(jù)預測及任務分配調(diào)度。 單機采用基于Serial RapidIO 高速串行總線的星型互聯(lián)網(wǎng)絡保證了各個模塊間的高速互聯(lián)， 所有的數(shù)據(jù)傳輸和指令分發(fā)都由交換板實現(xiàn)路由。 最終以高速互聯(lián)總線＋高性能計算＋類腦智能決策＋存儲資源共享＋系統(tǒng)冗余管理的技術(shù)結(jié)構(gòu)形成基于SpaceVPX 的開放式星上智能處理平臺。

3 結(jié)論

本文以天地一體化信息網(wǎng)絡為研究背景， 考慮到不斷擴大的網(wǎng)絡規(guī)模、 有限的星上資源、 智能星上決策等特點， 提出了一種基于異構(gòu)融合類腦芯片的星上智能處理平臺。 與傳統(tǒng)的星上計算機平臺架構(gòu)相比， 本文所提架構(gòu)引入異構(gòu)融合類腦芯片， 提升衛(wèi)星節(jié)點資源處理能力及衛(wèi)星智能預測與自主任務規(guī)劃能力， 形成分布管理控制、高性能實時計算相結(jié)合的一體化架構(gòu)， 為未來星上決策系統(tǒng)提供了一種低能耗、 高智能的平臺架構(gòu)設(shè)計方案。