基于異構融合類腦芯片的衛星智能平臺設計

孫澤渝 肖斯雨 沈奇 彭飛 何俊

（上海航天電子技術研究所， 上海， 201109）

近年來， 國家不斷加強衛星互聯網建設。2016 年7 月28 日， 《國務院關于印發 “十三五” 國家科技創新規劃的通知》發布， 提出要建設天地一體化信息網絡， 推進天基信息網、 未來互聯網、 移動通信網的全面融合， 形成覆蓋全球的天地一體化信息網絡。 天地一體化信息網絡是通過多種異構網絡系統及資源間的協作來實現多源數據融合和及時響應處理的一體化信息處理平臺。 未來多種垂直行業的傳輸數據具備多樣化、多元化、 海量等特點， 而天地一體化信息網絡正是基于多維、 多源的空間信息的采集、 傳輸、 處理、 實時全區域共享與應用等一體化的應用。

與此同時， 在云計算、 物聯網、 大數據、 人工智能和邊緣計算等前沿技術的推動下， 互聯網智能化程度日益提升， 互聯網云腦架構概念逐漸成熟。 借鑒互聯網云腦架構概念， 未來天基信息系統將突破轉變為以智能化發展程度作為主要劃代依據。 太空戰場向靈活、 彈性、 多域互聯的智能化重組架構發展， 態勢感知和指揮作戰進一步由當前的 “人在回路中” 演化為 “人在回路上” 軍事云腦架構方案。

本文以天地一體化信息網絡應用需求為研究背景， 考慮到不斷擴大的網絡規模、 海量業務數據、 智能信息決策等特點， 提出一種基于異構融合類腦芯片的星上智能處理平臺架構設計， 進一步提升衛星智能決策海量數據處理能力， 提高衛星信息處理實時性及智能性， 為天地一體化的全域聯合作戰提供解決方案。

1 現狀分析

從現有計算機體系的歷史演進來看， 整個計算機軟硬件系統是構建在以共享內存或消息傳遞等為特征的編程模型、 通用圖靈機執行模型和馮諾依曼結構模型這3 類模型基礎上的。 在層次化設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展， 造就了信息技術及應用的空前繁榮。 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革命， 其影響深遠。 與此同時，衛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， 其所需的處理能力遠遠超出了通用處理器的能力， 而轉向利用圖形處理器 （GPU）。 GPU 的好處是支持較大規模并行計算， 可以將數據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， 即計算與存儲分離， 按預設的程序以控制流模式驅動系統運行， 結構簡潔、易于實現高速數值計算。 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， 這是由于程序或數據往復傳輸的速率往往跟不上中央處理器處理信息的速率， 即便是并行處理系統也沒有改變每個處理器核都是一維處理的本質， 極大降低了處理器的效率。 當處理海量數據時， 由這種不匹配引起的高能耗、 低效率尤其嚴重。

類腦計算架構借鑒腦神經網絡的特點， 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網絡 （SNN） 及其硬件化實現， 是類腦計算研究領域的一個熱點。 在脈沖神經網絡中， 神經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， 更接近真實神經元對信息的編碼方式， 被認為是能接近仿生機制的神經網絡模型。與傳統的人工神經網絡 （ANN） 相比， 脈沖神經網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、 事件驅動的方式進行工作， 更易于在硬件上實現分布式計算及以類數據流執行模式實現真正的并行處理。 脈沖神經網絡具有低功耗、 高運算速度等潛在優勢。

可是， 由于算法和模型的巨大差別， 兩種神經網絡很難在同一個處理器運行。 基于 “馮·諾依曼” 計算架構的處理器擅于實現計算復雜、 數據密集和運算存儲規整的人工神經網絡。 與之相對的， 神經形態處理器則主要支持脈沖神經網絡， 對人工神經網絡的支持有限。 另外， 從應用的角度看， 神經形態處理器在編程模型、 執行模型等方面的研究還有不足， 導致對結構模型的支持效率較低。

針對計算架構互不兼容的問題， 目前清華大學自主設計并研制國內首款異構融合類腦芯片“天機” 系列芯片， 構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， 支撐大規模深度網絡模型的構建與訓練， 如圖1 所示。

圖1 基于天機芯片的ANN 和SNN 混合神經架構示意圖

2 星上智能處理平臺

傳統衛星綜合電子平臺主要將測控、 數傳、數據采集、 數據存儲等業務集成， 采用傳統的“衛星數據獲取—地面站接收處理—指令上注—星上執行” 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， 尚未在工程中大規模引入人工智能算法， 亟需在傳統業務基礎上， 進一步提升平臺的智能管理、 高效計算、 網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

基于異構融合類腦芯片的星上智能處理平臺基于總線式、 開放式設計理念， 通過高速交換總線接收載荷及衛星健康監測數據進行路由分發，減少外部接口數量， 提高數據接入能力； 類腦計算模塊實現星上智能預測、 自主任務規劃、 航天器管理， 充分利用衛星節點資源， 實現進一步的星上自主化； 存儲模塊實現星上海量數據存儲；電源及系統管理模塊實現衛星平臺工作狀態控制； 通過接口模塊及擴展功能模塊， 實現衛星測控數據交互及其他載荷擴展功能。 最終實現天基智能決策， 衛星在軌自主調整規劃。

2.2 設置星上實時處理平臺功能

傳統衛星平臺星上計算能力有限， 面對海量數據需求時， 衛星節點計算能力的合理利用顯得尤為重要。 在當前衛星信息系統平臺基礎上進一步提升衛星在軌自主規劃能力， 基于異構融合類腦芯片實現在軌自主預測、 任務調度決策， 進一步降低衛星業務成本。 設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據交換網絡以及控制總線交換網絡實現信息交互， 為星上任務規劃管理提供高速數據傳輸通路。

圖2 星上實時處理平臺功能圖

分布式任務管理實現平臺星務的自主管理和控制， 是衛星管理系統的主控單元。 分布式管理模塊對接收的衛星指令進行解析， 將解析后的任務分發給各功能模塊， 同時對整個系統進行自主管理、 星間數據路由規劃管理， 最終實現系統參數設置、 算法選擇、 動態路由、 程序上注、 功能重構等星上管理基本功能與星間網絡協同規劃功能。

2.3 高速信息處理模塊設置及其硬件構成

高速信息處理模塊主要完成星上數據高性能實時計算， 根據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據量簡單計算功能， 通常由高性能FPGA 組成； 復雜算法實現等模塊實現復雜算法， 通常由高性能DSP、 CPU、 SoC、 GPU 或專用ASIC 組成。

類腦計算決策模塊采用FPGA＋高性能異構融合類腦芯片的硬件組成， 利用FPGA 外擴的以太網、 PCIE 等高速串行接口， 實現與異構融合類腦芯片的數據交互， 模塊收集衛星姿態等數據進行迭代預測； 利用異構融合類腦芯片不斷學習演進， 實現衛星姿態數據模型的建立和預測， 將預測結果反饋至星務平臺提前進行系統級的規劃與調度。 此外， 異構融合類腦芯片收集外部各類載荷數據及天基衛星節點資源空閑情況， 通過類腦計算不斷推演任務分配調度模式， 實現衛星資源利用最大化， 根據分配方案完成星座間數據交互以及異構資源的效率最大化。

根據信息處理需求， VPX 內總線接收數據，內部總線傳輸接口選擇高速RapidIO， 將處理之后的數據通過光纖接口等輸出至數傳系統。 將載荷數據處理按照功能劃分， FPGA 完成接口通信、 數據緩存、 適合高速并行處理的算法， 異構融合類腦芯片完成模型推演學習、 數據預測及任務分配調度。 單機采用基于Serial RapidIO 高速串行總線的星型互聯網絡保證了各個模塊間的高速互聯， 所有的數據傳輸和指令分發都由交換板實現路由。 最終以高速互聯總線＋高性能計算＋類腦智能決策＋存儲資源共享＋系統冗余管理的技術結構形成基于SpaceVPX 的開放式星上智能處理平臺。

3 結論

本文以天地一體化信息網絡為研究背景， 考慮到不斷擴大的網絡規模、 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融合類腦芯片的星上智能處理平臺。 與傳統的星上計算機平臺架構相比， 本文所提架構引入異構融合類腦芯片， 提升衛星節點資源處理能力及衛星智能預測與自主任務規劃能力， 形成分布管理控制、高性能實時計算相結合的一體化架構， 為未來星上決策系統提供了一種低能耗、 高智能的平臺架構設計方案。