Нейронное оборудование и распознавание изображений

Искусственный интеллект (ИИ) традиционно основан на программном обеспечении, но исследователи из Венского технического университета создали более быстрое интеллектуальное оборудование. Разработанная ими микросхема способна анализировать изображения и давать правильный вывод за доли наносекунды.

В современном мире автоматическое распознавание изображений используется для различных приложений, и определенные компьютерные программы могут точно диагностировать проблемы со здоровьем, такие как кожный рак, управлять самоходными транспортными средствами и контролировать роботов. Это обычно делается путем оценки данных изображений, поступающих от камер, но одним из недостатков является то, что это занимает много времени. Например, когда количество записываемых изображений в секунду высоко, большой объем данных, который генерируется, часто не может быть обработан.

Специальный 2D материал

Ученые в TU Wien решили использовать специальный 2D материал. Они разработали датчик изображений, который может распознавать определенные объекты после обучения. Микросхема основана на искусственной нейронной сети, и она может давать данные о том, что она видит, за доли наносекунды.

Исследование было представлено в научном журнале Nature.

Нейронные сети, которые являются искусственными системами, могут представлять собой нервные клетки, связанные с другими нервными клетками в нашем мозге. Одна клетка может влиять на многие другие, и искусственное обучение на компьютере работает подобным образом.

“Обычно изображения сначала считываются пиксель за пикселем, а затем обрабатываются на компьютере”, – говорит Томас Мюллер. “Мы, с другой стороны, интегрируем нейронную сеть с ее искусственным интеллектом直接 в аппаратное обеспечение датчика изображений. Это делает распознавание объектов намного быстрее.”

Микросхема, основанная на фотодетекторах из вольфрамового диселенита, была разработана и изготовлена в TU Vienna. Вольфрамовый диселенит – это сверхтонкий материал, состоящий всего из трех атомных слоев. Каждый из отдельных фотодетекторов, или “пикселей” камеры, подключен к выходным элементам, которые дают результаты распознавания объектов.

“В нашей микросхеме мы можем конкретно регулировать чувствительность каждого отдельного детекторного элемента – другими словами, мы можем контролировать, как сигнал, принятый определенным детектором, влияет на выходной сигнал”, – говорит Лукас Меннель, первый автор публикации. “Все, что нам нужно сделать, – это просто отрегулировать местное электрическое поле прямо на фотодетекторе.”

Они делают это регулирование внешне и с помощью компьютерной программы. Датчик может быть использован для записи различных букв и регулировки чувствительности отдельных пикселей. Всегда будет соответствующий выходной сигнал.

Нейронная сеть берет верх

После завершения процесса обучения компьютер больше не нужен. Нейронная сеть способна работать самостоятельно и может давать выходной сигнал за 50 наносекунд.

“Наша тестовая микросхема пока еще мала, но вы можете легко масштабировать технологию в зависимости от задачи, которую вы хотите решить”, – говорит Томас Мюллер. “В принципе, микросхему можно обучить различать яблоки и бананы, но мы видим ее использование больше в научных экспериментах или других специализированных приложениях.”

Эта технология будет наиболее полезна в областях, требующих чрезвычайно высокой скорости, таких как механика разрушения и детекция частиц.