Forskare utvecklar optisk sensor som imiterar mänskligt öga

Forskare vid Oregon State University har demonstrerat potentialen för artificiell intelligens att imitera människor med en ny optisk sensor. Denna optiska sensor är bättre på att imitera mänskligt ögats förmåga att uppfatta förändringar i dess synfält.

Utvecklingen har stora implikationer för områden som bildigenkänning, robotik och AI.

Forskningen, som lett av OSU College of Engineering-forskaren John Labram och doktoranden Cinthya Trujillo Herrera, publicerades tidigare denna månad i Applied Physics Letters. 

Tidigare mänskliga ögonenheter 

Forskare har tidigare försökt att utveckla typer av mänskliga ögonenheter, också kallade retinomorfiska sensorer, och de har ofta använt programvara eller komplex hårdvara. Men denna nya enhet använder ultratunna lager av perovskit-halvledare, som tidigare har väckt uppmärksamhet på grund av deras potential för solenergi. När de utsätts för ljus förändras dessa ultratunna lager från starka elektriska isolatorer till starka ledare.

Labram är biträdande professor i elektroteknik och datavetenskap, och han leder forskningen med stöd från National Science Foundation.

“Du kan tänka dig det som en enda pixel som gör något som för närvarande skulle kräva en mikroprocessor”, sa Labram.

Nästa generation av AI förväntas drivas av neuromorfiska datorer, särskilt i tillämpningar som autonoma fordon, robotik och avancerad bildigenkänning. Neuromorfiska datorer imiterar de parallella nätverken i den mänskliga hjärnan, medan traditionella datorer bearbetar information sekventiellt.

“Människor har försökt att replikera detta i hårdvara och har varit ganska framgångsrika”, sa Labram. “Men även om algoritmerna och arkitekturen som är utformade för att bearbeta information blir alltmer lika en mänsklig hjärna, är den information som dessa system tar emot fortfarande bestämt utformad för traditionella datorer.”

Allt detta innebär att en dator behöver en bildsensor som fungerar som det mänskliga ögat, som består av cirka 100 miljoner fotoreceptorer. Trots detta stora antal innehåller den optiska nerven endast 1 miljon anslutningar till hjärnan, vilket innebär att nätverket utför en hel del förbearbetning och dynamisk komprimering innan en bild överförs.

Retinomorfisk sensor

Den retinomorfiska sensorn som utvecklats av forskarna reagerar inte starkt under statiska förhållanden, men den registrerar korta och skarpa signaler när det finns en förändring i belysningen. Den återgår sedan snabbt till baslinjen, vilket beror på perovskiterna.

“Sättet vi testar det är att vi lämnar det i mörker i en sekund, sedan sätter vi på ljuset och låter det vara på”, sa Labram. “Så fort ljuset tänds får du en stor spänningsspike, sedan minskar spänningen snabbt, även om ljusintensiteten är konstant. Och det är vad vi vill ha.”

Laget simulerade olika retinomorfiska sensorer, vilket gjorde det möjligt för dem att förutsäga hur en retinomorfisk videokamera skulle reagera på indatastimuli.

“Vi kan omvandla video till en uppsättning ljusintensiteter och sedan lägga in det i vår simulering”, sa Labram. “Områden där en högre spänningsutgång förutsägs från sensorn lyser upp, medan områden med lägre spänning förblir mörka. Om kameran är relativt statisk kan du tydligt se alla saker som rör sig reagera starkt. Detta stämmer rimligt väl överens med paradigm för optisk avkänning hos däggdjur.”

“Det bra är att, med denna simulering, vi kan mata in vilken video som helst i en av dessa matriser och bearbeta den informationen i princip på samma sätt som det mänskliga ögat”, fortsatte Labram. “Till exempel kan du tänka dig att dessa sensorer används av en robot som spårar rörelsen av föremål. Allt som är statiskt i dess synfält skulle inte utlösa en reaktion, men ett rörligt föremål skulle registrera en hög spänning. Detta skulle meddela roboten omedelbart var föremålet var, utan någon komplex bildbearbetning.”