신경 네트워크 하드웨어 및 이미지 인식

인공 지능(AI)은 전통적으로 소프트웨어에 기반하지만, 비엔나 공과 대학(Vienna University of Technology)의 연구자들은 더 빠른 지능형 하드웨어를 개발했습니다. 새로 개발된 칩은 이미지 분석을 수행하고 나노초 단위의 시간 안에 올바른 출력을 제공할 수 있습니다.

오늘날의 세계에서 자동 이미지 인식은 다양한 응용 분야에서 사용되며, 특정 컴퓨터 프로그램은 피부암과 같은 건강 문제를 정확하게 진단하고, 자율 주행 차량을 운행하고, 로봇을 제어할 수 있습니다. 이것은 일반적으로 카메라에서 제공되는 이미지 데이터를 평가하여 수행됩니다. 그러나 하나의 단점은 시간이 걸린다는 것입니다. 예를 들어, 1초당 기록되는 이미지 수가 많을 경우, 생성되는大量의 데이터를 처리할 수 없습니다.

특수 2D 재료

TU Wien의 과학자들은 특수한 2D 재료를 사용하기로 결정했습니다. 그들은 특정 객체를 인식할 수 있는 이미지 센서를 개발했습니다. 칩은 인공 신경 네트워크에 기반하고 있으며, 칩은 나노초 단위의 시간 안에 자신이 본 것을에 대한 데이터를 제공할 수 있습니다.

이 연구는 과학 저널 Nature에 발표되었습니다.

신경 네트워크는 인공 시스템으로, 우리의 뇌 속에 연결된 신경 세포를 나타낼 수 있습니다. 한 세포는 많은 다른 세포에 영향을 줄 수 있으며, 컴퓨터上的 인공 학습도 유사한 방식으로 작동합니다.

“일반적으로 이미지 데이터는 픽셀 단위로 읽혀지고 컴퓨터에서 처리됩니다”라고 토마스 뮐러(Thomas Mueller)는 말합니다. “그러나 우리는 인공 지능을 직접 이미지 센서의 하드웨어에 통합했습니다. 이것은 객체 인식을 수많은 크기만큼 더 빠르게 만듭니다.”

텅스텐 디셀레나이드(tungsten diselenide)로 만든 광検출기(photodetectors)를 기반으로 하는 칩은 TU 비엔나에서 개발 및 제조되었습니다. 텅스텐 디셀레나이드는 3개의 원자층으로 구성된 극박재료입니다. 각 개별 광검출기 또는 “픽셀”은 출력 요소에 연결되어 객체 인식 결과를 제공합니다.

“우리의 칩에서 우리는 개별 검출기 요소의 감도를 특정하게 조정할 수 있습니다. 즉, 특정 검출기가 수신한 신호가 출력 신호에 미치는 영향을 제어할 수 있습니다”라고 루카스 멘넬(Lukas Mennel), 본 연구의 제1저자는 말합니다. “우리가 해야 할 일은 단순히 광검출기에서 직접 지역 전기장을 조정하는 것입니다.”

그들은 이 적응을 외부에서 컴퓨터 프로그램을 사용하여 수행합니다. 센서는 다양한 문자를 기록하고 개별 픽셀의 감도를 조정할 수 있습니다. 항상 해당 출력 신호가 있습니다.

신경 네트워크가 인수합니다

학습 과정이 완료되면 컴퓨터가 더 이상 필요하지 않습니다. 신경 네트워크는 독립적으로 작동할 수 있으며, 50나노초 안에 출력 신호를 생성할 수 있습니다.

“우리의 테스트 칩은 현재まだ 작지만, 원하는 작업에 따라 기술을 쉽게 확장할 수 있습니다”라고 토마스 뮐러는 말합니다. “원칙적으로 칩은 사과와 바나나를 구별하도록 훈련할 수도 있지만, 우리는 과학 실험 또는 기타 전문 응용 분야에서 더 많이 사용될 것으로 생각합니다.”

이 기술은 극도로 높은 속도가 필요한 분야에서 가장 유용할 것입니다. 예를 들어, 파단 역학 및 입자 검출과 같은 분야입니다.