Нейронне обладнання та розпізнавання зображень

Штучний інтелект (ШІ) традиційно заснований на програмному забезпеченні, але дослідники Віденського технічного університету створили швидше інтелектуальне обладнання. Нова розроблена мікросхема здатна аналізувати зображення та надавати правильний висновок за кілька наносекунд.

У сучасному світі автоматичне розпізнавання зображень використовується для різних застосунків, і певні комп’ютерні програми можуть точно діагностувати захворювання, такі як рак шкіри, керувати самоходними транспортними засобами та контролювати роботів. Це зазвичай робиться шляхом оцінки даних зображень, які надсилаються камерами, але одним з недоліків є те, що це займає багато часу. Наприклад, коли кількість зображень, записаних за секунду, висока, великий обсяг даних, який генерується, часто не може бути оброблений.

Спеціальний 2D-матеріал

Ученні в TU Wien вирішили використовувати спеціальний 2D-матеріал. Вони розробили сенсор зображень, який може розпізнавати певні об’єкти через навчання. Мікросхема заснована на штучній нейронній мережі, і мікросхема може надавати дані про те, що вона бачить, протягом наносекунд.

Дослідження було представлено в науковому журналі Nature.

Нейронні мережі, які є штучними системами, можуть представляти нервові клітини, які з’єднані з іншими нервовими клітинами в нашому мозку. Одна клітина може впливати на багато інших, і штучне навчання на комп’ютері працює подібним чином.

“Зазвичай, дані зображень спочатку читаються піксель за пікселем, а потім обробляються на комп’ютері”, – говорить Томас Мюллер. “Ми, з іншого боку, інтегруємо нейронну мережу з її штучним інтелектом безпосередньо в апаратне забезпечення сенсора зображень. Це робить розпізнавання об’єктів на кілька порядків швидшим.”

Мікросхема, яка заснована на фотодетекторах з вольфраму диселеніду, була розроблена і виготовлена в TU Vienna. Вольфрам диселенід – це надтонкий матеріал, який складається лише з трьох атомних шарів. Кожен окремий фотодетектор, або “пікселі” камери, з’єднаний з виходними елементами, які надають результати розпізнавання об’єктів.

“У нашій мікросхемі ми можемо конкретно регулювати чутливість кожного окремого детекторного елемента – іншими словами, ми можемо контролювати, яким чином сигнал, який приймає певний детектор, впливає на вихідний сигнал”, – говорить Лукас Меннель, перший автор публікації. “Все, що нам потрібно зробити, – це просто регулювати локальне електричне поле безпосередньо на фотодетекторі.”

Вони роблять цю адаптацію зовні та за допомогою комп’ютерної програми. Сенсор можна використовувати для запису різних букв і регулювання чутливості окремих пікселів. Згодом завжди буде відповідний вихідний сигнал.

Нейронна мережа бере на себе управління

Після завершення процесу навчання комп’ютер уже не потрібен. Нейронна мережа здатна працювати самостійно, і вона може генерувати вихідний сигнал протягом 50 наносекунд.

“Наша тестова мікросхема ще мала, але ви можете легко масштабувати технологію залежно від завдання, яке ви хочете вирішити”, – говорить Томас Мюллер. “У принципі, мікросхему можна навчити розрізняти яблука і банани, але ми бачимо її застосування більше в наукових експериментах або інших спеціалізованих застосуваннях.”

Ця технологія буде найбільш корисна в областях, які вимагають надзвичайно високої швидкості, таких як механіка руйнування і детектування частинок.