न्यूरल हार्डवेयर और इमेज रिकग्निशन

आर्टिफ़िशियल इंटेलिजेंस (एआई) आमतौर पर सॉफ़्टवेयर पर आधारित होता है, लेकिन वियना यूनिवर्सिटी ऑफ़ टेक्नोलॉजी के शोधकर्ताओं ने तेज़ बुद्धिमान हार्डवेयर बनाया है। नए विकसित चिप में छवियों का विश्लेषण करने और सही आउटपुट देने में कुछ नैनोसेकंड लगते हैं।

आज की दुनिया में, स्वचालित छवि पहचान विभिन्न अनुप्रयोगों के लिए उपयोग की जाती है, और कुछ कंप्यूटर प्रोग्राम स्वास्थ्य समस्याओं जैसे त्वचा कैंसर का सटीक निदान कर सकते हैं, स्व-ड्राइविंग वाहनों को नेविगेट कर सकते हैं, और रोबोटों को नियंत्रित कर सकते हैं। यह आमतौर पर कैमरों द्वारा वितरित छवि डेटा के मूल्यांकन द्वारा किया जाता है, लेकिन एक नकारात्मक पक्ष यह है कि यह समय लेने वाला है। उदाहरण के लिए, जब प्रति सेकंड रिकॉर्ड की गई छवियों की संख्या अधिक होती है, तो अक्सर उत्पन्न होने वाला बड़ा डेटा सेट नहीं संभाला जा सकता है।

विशेष 2डी सामग्री

टीयू वियना के वैज्ञानिकों ने एक विशेष 2डी सामग्री का उपयोग करने का फैसला किया। उन्होंने एक छवि सेंसर विकसित किया जो प्रशिक्षण के माध्यम से कertain वस्तुओं को पहचान सकता है। चिप एक कृत्रिम तंत्रिका नेटवर्क पर आधारित है, और चिप को देखने के बारे में डेटा प्रदान करने में कुछ नैनोसेकंड लगते हैं।

शोध वैज्ञानिक पत्रिका नेचर में प्रस्तुत किया गया था।

तंत्रिका नेटवर्क, जो कृत्रिम प्रणाली हैं, हमारे मस्तिष्क में जुड़े तंत्रिका कोशिकाओं का प्रतिनिधित्व कर सकते हैं। एक कोशिका कई अन्य को प्रभावित कर सकती है, और कंप्यूटर पर कृत्रिम सीखना एक समान तरीके से काम करता है।

“आमतौर पर, छवि डेटा पहले पिक्सेल दर पिक्सेल पढ़ा जाता है और फिर कंप्यूटर पर संसाधित किया जाता है,” थॉमस मुलर कहते हैं। “हम, दूसरी ओर, तंत्रिका नेटवर्क को इसकी कृत्रिम बुद्धिमत्ता के साथ सीधे छवि सेंसर के हार्डवेयर में एकीकृत करते हैं। यह वस्तु पहचान को कई क्रमों की तुलना में तेज़ बनाता है।”

चिप, जो टंगस्टन डिसेलेनाइड से बने फोटोडिटेक्टर्स पर आधारित है, को टीयू वियना में विकसित और निर्मित किया गया था। टंगस्टन डिसेलेनाइड एक अल्ट्रा-पतली सामग्री है जो केवल तीन परमाणु परतों से बनी है। प्रत्येक व्यक्तिगत फोटोडिटेक्टर, या कैमरे के “पिक्सेल”, आउटपुट तत्वों से जुड़े हुए हैं, जो वस्तु पहचान के परिणाम प्रदान करते हैं।

“हमारे चिप में, हम विशिष्ट रूप से प्रत्येक व्यक्तिगत डिटेक्टर तत्व की संवेदनशीलता को समायोजित कर सकते हैं – अर्थात्, हम निर्धारित कर सकते हैं कि एक विशिष्ट डिटेक्टर द्वारा उठाए गए संकेत कैसे आउटपुट संकेत को प्रभावित करता है,” लुकास मेनेल, प्रकाशन के पहले लेखक कहते हैं। “हमें बस एक स्थानीय विद्युत क्षेत्र को फोटोडिटेक्टर पर समायोजित करना होगा।”

वे इस अनुकूलन को बाहरी रूप से और कंप्यूटर प्रोग्राम का उपयोग करके करते हैं। सेंसर का उपयोग विभिन्न अक्षरों को रिकॉर्ड करने और व्यक्तिगत पिक्सेल की संवेदनशीलता को समायोजित करने के लिए किया जा सकता है। हमेशा एक संबंधित आउटपुट संकेत होगा।

तंत्रिका नेटवर्क लेता है

सीखने की प्रक्रिया के पूरा होने के बाद, कंप्यूटर की आवश्यकता नहीं है। तंत्रिका नेटवर्क अकेले काम कर सकता है और 50 नैनोसेकंड के भीतर एक आउटपुट संकेत उत्पन्न कर सकता है।

“हमारा परीक्षण चिप अभी छोटा है, लेकिन आप आसानी से प्रौद्योगिकी को उस कार्य के अनुसार बढ़ा सकते हैं जिसे आप हल करना चाहते हैं,” थॉमस मुलर कहते हैं। “सिद्धांत रूप में, चिप को सेब और केले के बीच अंतर करने के लिए भी प्रशिक्षित किया जा सकता है, लेकिन हम इसका उपयोग अधिक वैज्ञानिक प्रयोगों या अन्य विशेष अनुप्रयोगों में देखते हैं।”

यह प्रौद्योगिकी उन क्षेत्रों में सबसे अधिक उपयोगी होगी जहां अत्यधिक उच्च गति की आवश्यकता होती है, जैसे कि फ्रैक्चर मैकेनिक्स और पार्टिकल डिटेक्शन।