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 meilleur pour imiter la capacité de l’œil humain à percevoir les changements dans son champ visuel.

Le développement a des implications importantes pour des domaines tels que la reconnaissance d’images, la robotique et l’IA.

La recherche, menée par le chercheur de l’École d’ingénierie de l’OSU, John Labram, et l’étudiante en master, Cinthya Trujillo Herrera, a été publiée plus tôt ce mois dans Applied Physics Letters. 

Dispositifs oculaires humains précédents 

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

Labram est professeur adjoint d’ingénierie électrique et d’informatique, et il dirige la recherche avec le soutien de la Fondation nationale pour la science.

« Vous pouvez le considérer comme un seul pixel faisant 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 telles que 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 les informations 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 les informations deviennent de plus en plus comme un cerveau humain, les informations que ces systèmes reçoivent sont toujours 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 élevé, 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 est, en gros, 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 diminue 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 une caméra 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 de la lumière du capteur s’allument, tandis que les régions à basse tension restent sombres. Si la caméra est relativement statique, vous pouvez clairement voir toutes les choses qui bougent répondre fortement. Cela reste raisonnablement fidèle au paradigme de la détection optique des mammifères. »

« Le bon côté est que, avec cette simulation, nous pouvons mettre n’importe quelle vidéo dans l’un de ces tableaux et traiter ces informations essentiellement de la même manière que 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, mais un objet en mouvement enregistrerait une tension élevée. Cela indiquerait au robot immédiatement où se trouvait l’objet, sans aucun traitement d’image complexe. »