Hermosirakenteiden ja Kuvantunnistuksen Neuroalusta

Tekoäly (AI) perustuu perinteisesti ohjelmistoihin, mutta Wienin Teknillisen Yliopiston tutkijat ovat luoneet nopeamman älykkään laitteiston. Uudelleen kehitetty siru pystyy analysoimaan kuvia ja antamaan oikean tuloksen nanosekuntien kuluessa.

Nykyään automaattinen kuvantunnistus käytetään monissa eri sovelluksissa, ja tietokoneohjelmat voivat tarkasti diagnosoida terveyshaittoja, kuten ihosyöpää, navigoida itseajavia ajoneuvoja ja ohjata roboteja. Tämä tehdään yleensä arvioimalla kuvadataa, jota kameroista toimitetaan, mutta yksi huono puoli on, että se on aikaa vievää. Esimerkiksi, kun kuvia tallennetaan sekunnissa, suuri määrä dataa, jota tuotetaan usein, ei voida käsitellä.

Erikois-2D Materiaali

TU Wienin tutkijat päättivät käyttää erityistä 2D-materiaalia. He kehittivät kuvantunnistimen, joka pystyy tunnistamaan tiettyjä objekteja koulutuksen avulla. Siru perustuu tekoälyverkkoon, ja siru pystyy antamaan tietoa siitä, mitä se näkee nanosekuntien kuluessa.

Tutkimus esiteltiin tieteellisessä julkaisussa Nature.

Tekoälyverkot, jotka ovat keinotekoisia järjestelmiä, voivat edustaa hermosoluja, jotka ovat yhteydessä muihin hermosoluihin aivoissamme. Yksi solu voi vaikuttaa moniin muihin, ja tekoälyoppiminen tietokoneella toimii samalla tavalla.

“Tyypillisesti, kuvadata luetaan ensin pikseli pikseliltä ja sitten käsitellään tietokoneella”, sanoo Thomas Mueller. “Me toimimme toisin, integroiden tekoälyverkon ja sen tekoälynsä suoraan kuvantunnistimen laitteistoon. Tämä tekee objektin tunnistamisesta monia kertaluokkia nopeampaa.”

Siru, joka perustuu fotodetektoreihin, jotka on valmistettu volframi-diselenidistä, kehitettiin ja valmistettiin TU Wienissä. Volframi-diselenidi on erittäin ohut materiaali, joka koostuu vain kolmesta atomikerroksesta. Kunkin yksittäisen fotodetektorin eli “kameran pikselin” on yhdistetty tuloste-elementteihin, jotka antavat objektin tunnistamisen tulokset.

“Meidän sirussamme voimme säätää kunkin yksittäisen detektorielementin herkkyyttä – toisin sanoen, voimme hallita, miten signaali, jonka tietty detektori havaitsee, vaikuttaa tulostesignaaliin”, sanoo Lukas Mennel, julkaisun ensimmäinen tekijä. “Meidän tarvitsee vain säätää paikallista sähkökenttää suoraan fotodetektorilla.”

He tekevät tämän sovituksen ulkoisesti ja tietokoneohjelman avulla. Anturia voidaan käyttää eri kirjaimien tallentamiseen ja yksittäisten pikselien herkkyyden säätämiseen. Aina on vastaava tulostesignaali.

Neuroverkko Ottaa Vallan

Koulutusprosessin päättymisen jälkeen tietokone ei ole enää tarpeen. Neuroverkko pystyy toimimaan itsenäisesti, ja se voi tuottaa tulostesignaalin 50 nanosekunnissa.

“Meidän testisirumme on vielä pieni, mutta voit helposti skaalata teknologiaa riippuen siitä, minkälaista tehtävää haluat ratkaista”, sanoo Thomas Mueller. “Periaatteessa, sirua voisi myös kouluttaa erottamaan omenat banaaneista, mutta me näemme sen käytön enemmän tieteellisissä kokeissa tai muissa erikoissovelluksissa.”

Tämä teknologia on eniten hyödyllistä alueilla, jotka vaativat erittäin korkeaa nopeutta, kuten murtumisen mekaniikassa ja hiukkasten havaitsemisessa.