Semikonduktor Otomotif Generasi Berikutnya:Kunci Menuju Mobil Tanpa Pengemudi Level‑5
INSIDER Elektronik &Sensor
Sekilas tentang semikonduktor generasi berikutnya yang kita perlukan untuk menggerakkan kendaraan yang sepenuhnya dapat mengemudi sendiri di masa depan. (Gambar:Para peneliti)
Sopir robotaksis tanpa pengemudi di sekitar San Francisco, dan fitur bantuan pengemudi tingkat lanjut pada lebih dari separuh kendaraan baru yang terjual tahun ini menunjukkan seberapa jauh kemajuan teknologi kendaraan otonom. Namun untuk memenuhi janji otonomi level 5, mobil yang bisa mengemudi sendiri ke mana saja dalam kondisi apa pun, para ahli mengatakan kita memerlukan semikonduktor generasi baru.
“Mobil telah dilihat sebagai komputer beroda selama beberapa waktu, namun untuk mencapai otonomi penuh, mobil harus lebih seperti pusat data bepergian,” kata Valeria Bertacco, Profesor Ilmu Komputer dan Teknik Universitas Mary Lou Dorf. “Untuk melakukan lompatan tersebut, industri otomotif akan membutuhkan material, arsitektur, sistem, dan proses manufaktur baru untuk chip yang lebih cepat, lebih murah, hemat daya, dan lebih tahan lama.”
Peneliti Universitas Michigan bekerja sama dengan para pemimpin industri global untuk menata ulang sistem komputasi AV. Upaya ini didukung oleh dana sebesar $10 juta dari negara bagian Michigan untuk inisiatif Michigan Semiconductor Talent and Technology for Automotive Research (mstar), yang juga mencakup imec, KLA, Michigan Economic Development Corporation, Washtenaw Community College, dan General Motors.
Kendaraan otomatis memerlukan daya komputasi besar yang tumbuh secara eksponensial seiring dengan tingkat otonominya. “Ini adalah sistem yang terbatas dan tertanam,” kata Reetuparna Das, Associate Professor Ilmu dan Teknik Komputer. “Kebutuhan akan perangkat keras AI yang lebih efisien sudah sangat dipahami. Ini adalah pasar bernilai miliaran dolar.”
Tahun lalu, perwakilan industri semikonduktor mengunjungi Fasilitas Uji Mcity dan melihat ke cakrawala. “Senang sekali melihat orang-orang bersatu untuk mengatasi aspek-aspek ini,” kata Michael Sun, yang memimpin unit pengembangan bisnis otomotif di TSMC yang berbasis di Taiwan. “Saya sudah lama bekerja di bidang ini, dan menurut saya ada banyak momentum saat ini.”
Model jaringan pembelajaran mendalam pada AV saat ini secara longgar meniru struktur otak biologis, namun cara kerjanya kurang efisien. Mereka bekerja dengan memproses aliran data tanpa filter secara terus menerus. Peneliti UM sedang mengembangkan pendekatan yang meniru perilaku otak, bukan struktur. Ini menentukan kontras, gerakan, dan kejadian mendadak, seperti otak dan mata kita bekerja sama untuk menyaring dan memfokuskan perhatian kita.
Mereka sedang menguji prosesor yang lebih efisien yang disebut chip neuromorfik berdasarkan teknologi memristor oksida tungsten, dan algoritme pendamping “jaringan saraf spiking”. "Sensor neuromorfik tidak menangkap bingkai seperti kamera konvensional. Sebaliknya, sensor tersebut mendeteksi perubahan di setiap piksel secara independen," kata Wei Lu, James R. Mellor, Profesor Teknik di bidang Teknik Mesin.
Meskipun arsitektur “system on a chip” tradisional melibatkan pencetakan semua komponen pada satu bagian silikon, kebutuhan komputasi AV melampaui batasnya dalam hal ukuran fisik dan kompleksitas. Pendekatan chiplet melibatkan komponen modular yang lebih kecil yang dapat dipadukan dan dicocokkan pada papan sirkuit untuk membangun sistem yang lebih disesuaikan dan tahan lama. Peneliti UM sedang mengembangkan protokol komunikasi chiplet yang lebih kuat yang dapat beroperasi selama bertahun-tahun di kendaraan yang bergerak. “Komunikasi chiplet tidak hanya harus kuat, namun juga harus efisien dalam hal energi dan bandwidth,” kata Mike Flynn, Profesor Teknik Elektro dan Komputer di Fawwaz T. Ulaby. “Kami juga mencoba membuatnya berkecepatan tinggi dan berdaya rendah.”
Sumber
