Chip fotónico capaz de clasificar casi dos mil millones de imágenes por segundo

Comparta este Artículo en:

Un chip fotónico realiza el reconocimiento de imágenes a la velocidad de la luz: la nueva red neuronal profunda fotónica puede clasificar casi 2.000 millones de imágenes por segundo.

Usando una red neuronal profunda de guías de ondas ópticas, un nuevo chip desarrollado por los ingenieros de Penn, más pequeño que un centímetro cuadrado, puede detectar y clasificar una imagen en menos de un nanosegundo, todo sin la necesidad de un procesador o unidad de memoria por separado.

La inteligencia artificial (IA) juega un papel importante en muchos sistemas, desde texto predictivo hasta diagnósticos médicos.

Inspirados en el cerebro humano, muchos sistemas de IA se implementan con base en redes neuronales artificiales, donde los equivalentes eléctricos de las neuronas biológicas se interconectan, se entrenan con un conjunto de datos conocidos, como imágenes, y luego se utilizan para reconocer o clasificar nuevos puntos de datos.

En las redes neuronales tradicionales utilizadas para el reconocimiento de imágenes, la imagen del objeto de destino se forma primero en un sensor de imagen, como la cámara digital de un teléfono inteligente.

Luego, el sensor de imagen convierte la luz en señales eléctricas y, en última instancia, en datos binarios, que luego pueden procesarse, analizarse, almacenarse y clasificarse utilizando chips de computadora.

Acelerar estas capacidades es clave para mejorar cualquier cantidad de aplicaciones, como el reconocimiento facial, la detección automática de texto en fotos o ayudar a los autos autónomos a reconocer obstáculos.

Si bien la tecnología actual de clasificación de imágenes para el consumidor en un chip digital puede realizar miles de millones de cálculos por segundo, lo que la hace lo suficientemente rápida para la mayoría de las aplicaciones, una clasificación de imágenes más sofisticada, como la identificación de objetos en movimiento, la identificación de objetos en 3D o la clasificación de células microscópicas en el cuerpo, están empujando los límites computacionales de incluso la tecnología más poderosa.

El límite de velocidad actual de estas tecnologías está establecido por el cronograma de pasos de cómputo basado en el reloj en un procesador de computadora, donde los cómputos ocurren uno tras otro en un cronograma lineal.

Para hacer frente a esta limitación, los ingenieros de Penn han creado el primer chip escalable que clasifica y reconoce imágenes casi instantáneamente.

Firooz Aflatouni, profesor asociado de ingeniería eléctrica y de sistemas, junto con el becario postdoctoral Farshid Ashtiani y el estudiante graduado Alexander J. Geers, han eliminado los cuatro culpables principales que consumen mucho tiempo en el chip de computadora tradicional: la conversión de señales ópticas en eléctricas, la necesidad para convertir los datos de entrada a formato binario, un módulo de memoria grande y cálculos basados en reloj.

Lo lograron mediante el procesamiento directo de la luz recibida del objeto de interés utilizando una red neuronal profunda óptica implementada en un chip de 9,3 milímetros cuadrados.

El estudio describe cómo las muchas neuronas ópticas del chip están interconectadas mediante cables ópticos o “guías de ondas” para formar una red profunda de muchas “capas de neuronas” que imitan la del cerebro humano.

La información pasa a través de las capas de la red, y cada paso ayuda a clasificar la imagen de entrada en una de sus categorías aprendidas.

En el estudio de los investigadores, las imágenes que clasificó el chip eran de caracteres parecidos a letras dibujados a mano.

Fuente: Nature