Les chercheurs développent un capteur optique pour imiter l’œil humain

Les chercheurs de l’Université d’État de l’Oregon ont démontré le potentiel de l’intelligence artificielle pour imiter les humains avec un nouveau capteur optique. Ce capteur optique est mieux à l’imitation de la capacité de l’œil humain à percevoir les changements dans son champ visuel.

Le développement a de grandes implications pour des domaines comme la reconnaissance d’images, la robotique et l’IA.

La recherche, qui a été menée par le chercheur de l’OSU College of Engineering John Labram et l’étudiant diplômé Cinthya Trujillo Herrera, a été publiée plus tôt ce mois dans Applied Physics Letters. 

Dispositifs de l’œil humain précédents 

Les chercheurs ont précédemment tenté de développer des types de dispositifs de l’œil humain, également appelés capteurs rétinomorphes, et ils ont souvent utilisé des logiciels ou des matériels complexes. Cependant, ce nouveau dispositif utilise des couches ultraminces de semiconducteurs de pérovskite, qui ont attiré l’attention par leur potentiel pour l’utilisation de l’énergie solaire. Lorsqu’ils sont exposés à la lumière, ces couches ultraminces passent de forts isolants électriques à de forts conducteurs.

Labram est professeur adjoint d’ingénierie électrique et d’informatique, et il dirige la recherche avec le soutien de la National Science Foundation.

« Vous pouvez penser que c’est un seul pixel qui fait quelque chose qui nécessiterait actuellement un microprocesseur », a déclaré Labram.

La prochaine génération d’IA devrait être alimentée par des ordinateurs neuromorphes, en particulier dans des applications comme les véhicules autonomes, la robotique et la reconnaissance d’images avancée. Les ordinateurs neuromorphes imitent les réseaux parallèles du cerveau humain, tandis que les ordinateurs traditionnels traitent l’information de manière séquentielle.

« Les gens ont essayé de reproduire cela dans le matériel et ont été raisonnablement réussis », a déclaré Labram. « Cependant, même si les algorithmes et l’architecture conçus pour traiter l’information deviennent de plus en plus comme un cerveau humain, les informations que ces systèmes reçoivent sont encore décisivement conçues pour les ordinateurs traditionnels. »

Tout cela signifie qu’un ordinateur a besoin d’un capteur d’image pour agir comme l’œil humain, qui est composé d’environ 100 millions de photorécepteurs. Malgré ce nombre massif, le nerf optique ne contient que 1 million de connexions au cerveau, ce qui signifie que la rétine subit beaucoup de prétraitement et de compression dynamique avant que l’image ne soit transmise.

Capteur rétinomorphe

Le capteur rétinomorphe développé par les chercheurs ne réagit pas fortement dans des conditions statiques, mais il enregistre des signaux courts et aigus lorsqu’il y a un changement d’éclairage. Il revient ensuite rapidement à la ligne de base, ce qui est dû aux pérovskites.

« La façon dont nous le testons, c’est que nous le laissons dans le noir pendant une seconde, puis nous allumons les lumières et les laissons allumées », a déclaré Labram. « Dès que la lumière s’allume, vous obtenez ce grand pic de tension, puis la tension décroît rapidement, même si l’intensité de la lumière est constante. Et c’est ce que nous voulons. »

L’équipe a simulé divers capteurs rétinomorphes, ce qui leur a permis de prédire comment un appareil photo vidéo rétinomorphe réagirait à un stimulus d’entrée.

« Nous pouvons convertir la vidéo en un ensemble d’intensités lumineuses, puis les mettre dans notre simulation », a déclaré Labram. « Les régions où une sortie de tension plus élevée est prédite à partir du capteur s’allument, tandis que les régions à tension plus basse restent sombres. Si la caméra est relativement statique, vous pouvez clairement voir toutes les choses qui bougent réagir fortement. Cela reste raisonnablement fidèle au paradigme de la détection optique chez les mammifères. »

« Le bon côté, c’est que, avec cette simulation, nous pouvons mettre n’importe quelle vidéo dans l’un de ces tableaux et traiter ces informations de manière essentiellement identique à celle de l’œil humain », a poursuivi Labram. « Par exemple, vous pouvez imaginer ces capteurs étant utilisés par un robot qui suit le mouvement des objets. Tout ce qui est statique dans son champ de vision ne provoquerait pas de réponse, cependant un objet en mouvement enregistrerait une tension élevée. Cela indiquerait au robot immédiatement où se trouvait l’objet, sans aucun traitement d’image complexe. »