面向水下无电池机器学习与推断

本文由一个简单问题驱动：我们能否设计并构建能在水下环境中进行机器学习与推断的无电池设备？对此问题的肯定回答将对新一代用于环境监测、科学探索及气候/天气预测的水下感知与监测应用产生重大意义。为回答此问题，我们探究了将过去十年中两个领域的进展相桥接的可行性：无电池网络与低功耗机器学习。我们的探究表明，在水下环境中实现无电池推断确有可能。我们设计了一种能从水下声音中收集能量、为超低功耗微控制器与板载传感器供电、利用轻量深度神经网络对感知测量进行本地推断、并通过反向散射将推断结果发至接收器的设备。我们在模拟海洋生物声学应用中测试了原型，展示了无电池识别水下动物声音之潜力。通过此探究，我们强调了使水下无电池推断与机器学习普及化所面临的挑战与机遇。