Hardware Neurale e Riconoscimento di Immagini

L’intelligenza artificiale (AI) si basa tradizionalmente sul software, ma i ricercatori dell’Università Tecnica di Vienna hanno creato un hardware intelligente più veloce. Il chip appena sviluppato è in grado di analizzare le immagini e fornire l’output corretto in pochi nanosecondi.

Nel mondo di oggi, il riconoscimento automatico delle immagini viene utilizzato per una varietà di applicazioni diverse, e alcuni programmi per computer possono diagnosticare con precisione problemi di salute come il cancro della pelle, navigare veicoli autonomi e controllare robot. Ciò viene normalmente fatto valutando i dati delle immagini forniti dalle telecamere, ma un svantaggio è che è tempo-consuming. Ad esempio, quando il numero di immagini registrate per secondo è alto, il grande volume di dati generato spesso non può essere gestito.

Materiale 2D Speciale

Gli scienziati del TU Wien hanno deciso di utilizzare un materiale 2D speciale. Hanno sviluppato un sensore di immagine che può riconoscere certi oggetti attraverso l’addestramento. Il chip si basa su una rete neurale artificiale e il chip può fornire dati su ciò che sta vedendo entro nanosecondi.

La ricerca è stata presentata sulla rivista scientifica Nature.

Le reti neurali, che sono sistemi artificiali, possono rappresentare le cellule nervose che sono collegate ad altre cellule nervose nel nostro cervello. Una cellula può influenzare molte altre, e l’apprendimento artificiale su un computer funziona in modo simile.

“Di solito, i dati delle immagini vengono letti pixel per pixel e poi elaborati sul computer”, afferma Thomas Mueller. “Noi, d’altra parte, integriamo la rete neurale con la sua intelligenza artificiale direttamente nel hardware del sensore di immagine. Ciò rende il riconoscimento degli oggetti molto più veloce di diversi ordini di grandezza”.

Il chip, che si basa su fotodetettori realizzati con diselenuro di tungsteno, è stato sviluppato e prodotto al TU Vienna. Il diselenuro di tungsteno è un materiale ultra-sottile che consiste in sole tre strati atomici. Ogni uno degli elementi di rilevamento individuale, o i “pixel” della fotocamera, sono collegati a elementi di output, che forniscono i risultati del riconoscimento degli oggetti.

“Nel nostro chip, possiamo regolare specificamente la sensibilità di ogni elemento di rilevamento individuale – in altre parole, possiamo controllare il modo in cui il segnale raccolto da un particolare rilevatore influisce sul segnale di output”, afferma Lukas Mennel, primo autore della pubblicazione. “Tutto ciò che dobbiamo fare è semplicemente regolare un campo elettrico locale direttamente sul fotodetettore”.

Fanno questa adattamento esternamente e attraverso l’uso di un programma per computer. Il sensore può essere utilizzato per registrare diverse lettere e regolare le sensibilità dei singoli pixel. Ci sarà sempre un segnale di output corrispondente.

Rete Neurale che Prende il Controllo

Dopo il completamento del processo di apprendimento, il computer non è più necessario. La rete neurale è in grado di funzionare da sola e può produrre un segnale di output entro 50 nanosecondi.

“Il nostro chip di test è ancora piccolo al momento, ma si può facilmente scalare la tecnologia a seconda del compito che si desidera risolvere”, afferma Thomas Mueller. “In principio, il chip potrebbe anche essere addestrato a distinguere mele da banane, ma vediamo il suo utilizzo più in esperimenti scientifici o altre applicazioni specializzate”.

Questa tecnologia sarà più utile in aree che richiedono una velocità estremamente alta, come la meccanica delle fratture e la rilevazione di particelle.