Forscher entwickeln optischen Sensor, der das menschliche Auge nachahmt

Forscher an der Oregon State University haben das Potenzial von künstlicher Intelligenz demonstriert, um Menschen mit einem neuen optischen Sensor nachzuahmen. Dieser optische Sensor ist besser darin, die Fähigkeit des menschlichen Auges nachzuahmen, Veränderungen in seinem visuellen Feld wahrzunehmen.

Die Entwicklung hat große Auswirkungen auf Bereiche wie Bilderkennung, Robotik und künstliche Intelligenz.

Die Forschung, die von dem OSU-College-of-Engineering-Forscher John Labram und der Graduiertenstudentin Cinthya Trujillo Herrera geleitet wurde, wurde vor kurzem in Applied Physics Letters veröffentlicht.

Vorherige menschliche-Augen-Geräte 

Forscher haben zuvor versucht, Arten von menschlichen-Augen-Geräten, auch retinomorphe Sensoren genannt, zu entwickeln, und sie haben oft Software oder komplexe Hardware verwendet. Allerdings verwendet dieses neue Gerät ultradünne Schichten von Perowskit-Halbleitern, die in der Vergangenheit aufgrund ihres Potenzials für die Solarenergieanwendung Aufmerksamkeit erregt haben. Wenn diese ultradünnen Schichten dem Licht ausgesetzt sind, ändern sie sich von starken elektrischen Isolatoren zu starken Leitern.

Labram ist Assistenzprofessor für Elektrotechnik und Informatik und leitet die Forschung mit Unterstützung der National Science Foundation.

“Man kann es sich wie ein einzelnes Pixel vorstellen, das etwas tut, was derzeit einen Mikroprozessor erfordern würde”, sagte Labram.

Die nächste Generation von künstlicher Intelligenz soll von neuromorphen Computern angetrieben werden, insbesondere in Anwendungen wie autonomen Fahrzeugen, Robotik und erweiterter Bilderkennung. Neuromorphe Computer ahmen die parallelen Netzwerke im menschlichen Gehirn nach, während traditionelle Computer Informationen sequenziell verarbeiten.

“Die Menschen haben versucht, dies in Hardware nachzubilden und waren dabei relativ erfolgreich”, sagte Labram. “Allerdings sind die Algorithmen und die Architektur, die zur Verarbeitung von Informationen entwickelt wurden, immer mehr wie ein menschliches Gehirn, aber die Informationen, die diese Systeme erhalten, sind immer noch entschieden für traditionelle Computer konzipiert.”

All dies bedeutet, dass ein Computer einen Bildsensor benötigt, der als menschliches Auge fungiert, das aus etwa 100 Millionen Photozeptoren besteht. Trotz dieser riesigen Zahl enthält der Sehnerv nur 1 Million Verbindungen zum Gehirn, was bedeutet, dass die Netzhaut eine Menge Vorverarbeitung und dynamische Kompression durchführt, bevor ein Bild überhaupt übertragen wird.

Retinomorpher Sensor

Der retinomorphe Sensor, den die Forscher entwickelt haben, reagiert nicht stark unter statischen Bedingungen, aber er registriert kurze und scharfe Signale, wenn es eine Veränderung in der Beleuchtung gibt. Er kehrt dann schnell zum Ausgangswert zurück, was alles aufgrund der Perowskite ist.

“Die Art und Weise, wie wir es testen, ist im Grunde, dass wir es für eine Sekunde im Dunkeln lassen, dann das Licht einschalten und es einfach anlassen”, sagte Labram. “Sobald das Licht eingeschaltet ist, erhalten Sie diesen großen Spannungsstoß, dann fällt die Spannung schnell ab, obwohl die Intensität des Lichts konstant ist. Und das ist es, was wir wollen.”

Das Team simulierte verschiedene retinomorphe Sensoren, was es ihnen ermöglichte, vorherzusagen, wie eine retinomorphe Videokamera auf ein Eingabesignal reagieren würde.

“Wir können Video in eine Reihe von Lichtintensitäten umwandeln und dann in unsere Simulation einfügen”, sagte Labram. “Bereiche, in denen ein höherer Spannungsausgang vom Sensor vorhergesagt wird, leuchten auf, während die Bereiche mit niedrigerem Spannungswert dunkel bleiben. Wenn die Kamera relativ statisch ist, kann man clearly sehen, dass alle beweglichen Objekte stark reagieren. Dies bleibt im Wesentlichen wahr zum Paradigma der optischen Wahrnehmung bei Säugetieren.”

“Das Gute ist, dass wir mit dieser Simulation jedes Video in eines dieser Arrays einfügen und die Informationen auf dieselbe Weise verarbeiten können, wie das menschliche Auge es tut”, fuhr Labram fort. “Zum Beispiel kann man sich vorstellen, dass diese Sensoren von einem Roboter verwendet werden, der die Bewegung von Objekten verfolgt. Alles, was in seinem Sichtfeld statisch ist, würde keine Reaktion hervorrufen, aber ein bewegliches Objekt würde eine hohe Spannung registrieren. Dies würde dem Roboter sofort sagen, wo das Objekt ist, ohne komplexe Bildverarbeitung.”