Imec宣布了一种新的芯片，该芯片使用了脉冲神经网络技术（SNN)，Imec声称该芯片模仿了“生物神经元群的运作方式来识别时间模式。其功耗仅为其他芯片的一百分之一，而延迟则仅为其他芯片的十分之一。Imec的芯片被称为同类产品中的第一个，是基于SNN的新型芯片，专门处理雷达信号（特别是用于无人机防撞）。
通常，人工神经网络（ANN）用于基于雷达的汽车防撞系统中。但是，人工神经网络是功耗很大，也无法缓解延迟问题。这种延迟是由传输到AI推理算法进行分析和决策的数据信号引起的。
正如Imec的Ilja Ocket所描述的那样，“ SNN的运行与生物神经网络非常相似，在该过程中，神经元会随时间稀疏地发射电脉冲，并且仅在感觉输入发生变化时运作。这样，可以显着降低能耗。” 因此，只有当活动出现时，即当需要处理和分析一些东西时，才会出现电流 "脉冲"。否则，只需要最小的功率就可以了。
至于延迟，很多 "思考 "都是在现场进行的。正如AAC贡献者Chantelle Duboise所描述的那样，脉冲神经网络（SNN）传感器元件直接与其他传感器元件进行通信。反过来，这些传感器元件会根据自己的激励水平做出部分反应。因此，很多处理过程都是在传感器内部进行的。耗时的人工智能引擎过程被降到最低，从而减少了延迟。
此外，Imec声称，所谓的芯片“脉冲神经元”能够以一种能够消化信息、学习时间模式并记忆这些信息的方式进行交互。因此，Imec的设计将芯片的行为转化为通过仿真精确预测的反应。
无人机通常独立于人类控制，或者至少半独立于人类控制。为了避免冲撞，他们必须在几毫秒内做出有关速度和方向的决策，因此延迟越短越好。 无人机通常使用机载雷达系统来收集飞机绘制安全飞行路线所需的原始信息。SNN芯片能够在物理雷达附近完成大部分信息处理，这使得响应时间大大缩短，决策也更加准确。
此外，小型无人机需要与大型设备相同的“脑力”，但可用来“养活”大脑的机载功率受到极大限制。这些因素使无人机成为新SNN芯片的合适用例。根据Ocket的说法，“目前，我们正在探索一种自动驾驶无人机，该无人机依靠其机载摄像头和雷达传感器系统进行仓库内导航，在执行复杂任务时与墙壁和架子保持安全距离。”
在瞄准雷达应用之前，该设备的最初目标是功耗受限应用中的语音处理和心电图(ECG)处理。该芯片的通用架构允许它被重新配置为雷达、声纳和激光雷达。
以无人机为例，如果转向或改变速度的决定是在距离雷达或激光雷达设备更近的地方做出的，那么该设备可以减少延迟并节省时间。因此，Imec预计，这种新设备将成为自动驾驶汽车和合作机器人的有用补充，因为在自动驾驶汽车和合作机器人中，为了安全，必须做出快速、可靠的决定。
