Hardware Neural e Reconhecimento de Imagens

A inteligência artificial (IA) é tradicionalmente baseada em software, mas pesquisadores da Universidade Técnica de Viena criaram um hardware inteligente mais rápido. O chip recém-desenvolvido é capaz de analisar imagens e fornecer a saída correta em questão de nanossegundos.

No mundo de hoje, o reconhecimento automático de imagens é usado para uma variedade de aplicações diferentes, e certos programas de computador podem diagnosticar com precisão problemas de saúde, como câncer de pele, navegar veículos autônomos e controlar robôs. Isso é normalmente feito pela avaliação de dados de imagem fornecidos por câmeras, mas uma desvantagem é que é demorado. Por exemplo, quando o número de imagens registradas por segundo é alto, o grande volume de dados gerado frequentemente não pode ser manipulado.

Materiais 2D Especiais

Os cientistas da TU Wien decidiram usar um material 2D especial. Eles desenvolveram um sensor de imagem que pode reconhecer certos objetos por meio de treinamento. O chip é baseado em uma rede neural artificial, e o chip pode fornecer dados sobre o que está vendo em nanossegundos.

A pesquisa foi apresentada na revista científica Nature.

Redes neurais, que são sistemas artificiais, podem representar as células nervosas que estão conectadas a outras células nervosas em nosso cérebro. Uma célula pode afetar muitas outras, e o aprendizado artificial em um computador funciona de maneira semelhante.

“Normalmente, os dados de imagem são lidos primeiro pixel a pixel e, em seguida, processados no computador”, diz Thomas Mueller. “Nós, por outro lado, integramos a rede neural com sua inteligência artificial diretamente no hardware do sensor de imagem. Isso torna o reconhecimento de objetos muitas ordens de magnitude mais rápido.”

O chip, que é baseado em fotodetectores feitos de tungstênio diseleneto, foi desenvolvido e fabricado na TU Viena. O tungstênio diseleneto é um material ultrafino que consiste em apenas três camadas atômicas. Cada um dos elementos de detecção individuais, ou os “pixels” da câmera, estão conectados a elementos de saída, que fornece os resultados do reconhecimento de objetos.

“Em nosso chip, podemos ajustar especificamente a sensibilidade de cada elemento de detecção individual – em outras palavras, podemos controlar a maneira como o sinal capturado por um detector específico afeta o sinal de saída”, diz Lukas Mennel, primeiro autor da publicação. “Tudo o que precisamos fazer é simplesmente ajustar um campo elétrico local diretamente no fotodetector.”

Eles fazem essa adaptação externamente e por meio do uso de um programa de computador. O sensor pode ser usado para registrar diferentes letras e ajustar as sensibilidades dos pixels individuais. Sempre haverá um sinal de saída correspondente.

Rede Neural Assume o Controle

Após a conclusão do processo de aprendizado, o computador não é mais necessário. A rede neural é capaz de operar sozinha e pode produzir um sinal de saída em 50 nanossegundos.

“Nosso chip de teste ainda é pequeno no momento, mas você pode facilmente escalonar a tecnologia dependendo da tarefa que deseja resolver”, diz Thomas Mueller. “Em princípio, o chip também pode ser treinado para distinguir maçãs de bananas, mas vemos seu uso mais em experimentos científicos ou outras aplicações especializadas.”

Essa tecnologia será mais útil em áreas que exigem velocidade extremamente alta, como mecânica de fratura e detecção de partículas.

“Em princípio, o chip também pode ser treinado para distinguir maçãs de bananas, mas vemos seu uso mais em experimentos científicos ou outras aplicações especializadas”, diz Thomas Mueller. “Essa tecnologia será mais útil em áreas que exigem velocidade extremamente alta, como mecânica de fratura e detecção de partículas.”