Neuronales Hardware und Bilderkennung

Künstliche Intelligenz (KI) basiert traditionell auf Software, aber Forscher der Technischen Universität Wien haben schnelleres intelligentes Hardware entwickelt. Der neu entwickelte Chip kann Bilder analysieren und die richtige Ausgabe in Nanosekunden liefern.

In der heutigen Welt wird automatische Bilderkennung für verschiedene Anwendungen verwendet, und bestimmte Computerprogramme können Gesundheitsprobleme wie Hautkrebs genau diagnostizieren, selbstfahrende Fahrzeuge steuern und Roboter kontrollieren. Dies geschieht normalerweise durch die Auswertung von Bilddaten, die von Kameras geliefert werden, aber ein Nachteil ist, dass es zeitaufwändig ist. Wenn beispielsweise die Anzahl der pro Sekunde aufgenommenen Bilder hoch ist, kann der große Datenumsatz oft nicht gehandhabt werden.

Spezielles 2D-Material

Die Wissenschaftler an der TU Wien entschieden sich, ein spezielles 2D-Material zu verwenden. Sie entwickelten einen Bildsensor, der bestimmte Objekte durch Training erkennen kann. Der Chip basiert auf einem künstlichen neuronalen Netzwerk und kann Daten über das, was er sieht, in Nanosekunden liefern.

Die Forschung wurde in der wissenschaftlichen Zeitschrift Nature präsentiert.

Neuronale Netze, die künstliche Systeme sind, können die Nervenzellen darstellen, die mit anderen Nervenzellen in unserem Gehirn verbunden sind. Eine Zelle kann viele andere beeinflussen, und künstliches Lernen auf einem Computer funktioniert auf ähnliche Weise.

“Typischerweise wird das Bilddaten erst pixelweise ausgelesen und dann auf dem Computer verarbeitet”, sagt Thomas Mueller. “Wir integrieren das neuronale Netzwerk mit seiner künstlichen Intelligenz direkt in die Hardware des Bildsensors. Dies macht die Objekterkennung um viele Größenordnungen schneller.”

Der Chip, der auf Photodetektoren aus Wolframdiselenid basiert, wurde an der TU Wien entwickelt und hergestellt. Wolframdiselenid ist ein ultradünnes Material, das aus nur drei Atomlagen besteht. Jeder der einzelnen Photodetektoren oder “Pixel” der Kamera ist mit Ausgabeelementen verbunden, die die Ergebnisse der Objekterkennung liefern.

“In unserem Chip können wir speziell die Empfindlichkeit jedes einzelnen Detektorelements anpassen – mit anderen Worten, wir können steuern, wie das Signal, das von einem bestimmten Detektor aufgenommen wird, das Ausgangssignal beeinflusst”, sagt Lukas Mennel, Erstautor der Veröffentlichung. “Alles, was wir tun müssen, ist einfach ein lokales elektrisches Feld direkt am Photodetektor anpassen.”

Sie machen diese Anpassung extern und mit Hilfe eines Computerprogramms. Der Sensor kann verwendet werden, um verschiedene Buchstaben aufzuzeichnen und die Empfindlichkeiten der einzelnen Pixel anzupassen. Es wird immer ein entsprechendes Ausgangssignal geben.

Neuronales Netzwerk übernimmt

Nach Abschluss des Lernprozesses ist der Computer nicht mehr benötigt. Das neuronale Netzwerk kann alleine arbeiten und kann ein Ausgangssignal in 50 Nanosekunden produzieren.

“Unser Testchip ist noch klein, aber man kann die Technologie leicht je nach Aufgabe skalieren”, sagt Thomas Mueller. “In principle, der Chip könnte auch trainiert werden, um Äpfel von Bananen zu unterscheiden, aber wir sehen seinen Einsatz mehr in wissenschaftlichen Experimenten oder anderen speziellen Anwendungen.”

Diese Technologie wird am nützlichsten in Bereichen sein, die extrem hohe Geschwindigkeit erfordern, wie Bruchmechanik und Partikelerkennung.