美國空軍關注人工智慧嵌入式計算的SWaP優化
據美國軍事宇航網2019年4月22日報道，美國空軍研究人員計劃在下個5年內投入近1億美元來縮小各種軍用飛機的人工智慧與機器學習嵌入式計算航電裝置的尺寸、重量和功耗（SWaP）。
美國空軍研究實驗室資訊分部於2019年4月19日針對“用於嵌入式深度學習的穩健、高效計算架構、演算法與應用”專案釋出了一份徵詢書。
該專案尋求針對可部署的人工智慧與機器學習嵌入式計算能力，在SWaP方面實現數個數量級的提升。對於指揮、控制、通訊、計算機、情報、監視與偵察（C4ISR）應用和SWaP受限的飛機，研究人員正在尋找複雜性、自主化、智慧化和保障能力更高的方案，尤其關注先進計算架構、演算法和應用。被稱為神經形態計算的類腦處理是其中一個重要關注方向。
研究人員解釋稱，對高能效、靈活的美國空軍平臺而言，非傳統計算架構是模式識別、事件推理、決策、自適應學習和自主執行任務等新能力所不可或缺的。
神經形態計算所涉及的處理器已超越了馮·諾伊曼架構，尤其是新興的納米技術器件（如憶阻器）和納米光子學已實現了非傳統電路和架構。
研究人員希望為美國空軍未來的實時嵌入式即插即用能力進行模組化計算驗證。相關技術與應用可能包括多源感測器資料的大資料人工智慧與機器學習、態勢理解與感知構建的資料融合演算法，以及自主決策技術。模組化設計應支援具有自動軟體可重構能力的可替換感測器。
研究人員表示，未來系統的資料頻寬需求預計會顯著增強，因此計算機和介面應能進行相應地擴充套件。
此外，研究人員還關注能驗證和提升人工智慧與機器學習可擴充套件性、穩健性和安全性的技術，尤其是深度學習模式和演算法。研究主題可能包括可部署嵌入式計算的功率監控與能量優化深度學習（採用動態資料）。
研究人員計劃為該專案分別在2019年、2020年、2021年、2022年和2023年分別投入3000萬、3000萬、1500萬、1500萬和900萬美元的資金。