Desarrollan un sensor de imagen ultrarrápido con inteligencia artificial incorporada capaz de reconocer objetos en nanosegundos

Crean hardware neuronal para el reconocimiento de imágenes en nanosegundos.

Se ha desarrollado un sensor de imagen ultrarrápido con una red neuronal incorporada en TU Wien (Viena).

Puede ser entrenado para reconocer ciertos objetos.

El reconocimiento automático de imágenes se usa ampliamente hoy en día: existen programas de computadora que pueden diagnosticar de manera confiable el cáncer de piel, navegar en autos sin conductor o controlar robots.

Hasta ahora, todo esto se ha basado en la evaluación de los datos de imagen tal como los proporcionan las cámaras normales, y eso lleva mucho tiempo.

Especialmente cuando el número de imágenes grabadas por segundo es alto, se genera un gran volumen de datos que difícilmente se pueden manejar.

Por lo tanto, los científicos de TU Wien adoptaron un enfoque diferente: utilizando un material 2D especial, se desarrolló un sensor de imagen que puede ser entrenado para reconocer ciertos objetos.

El chip representa una red neuronal artificial capaz de aprender.

Los datos no tienen que ser leídos y procesados ​​por una computadora, pues el chip en sí proporciona información sobre lo que está viendo actualmente, en nanosegundos.

Las redes neuronales son sistemas artificiales similares a nuestro cerebro: las células nerviosas están conectadas a muchas otras células nerviosas.

Cuando una célula está activa, esto puede influir en la actividad de las células nerviosas vecinas.

El aprendizaje artificial en la computadora funciona exactamente de acuerdo con el mismo principio: una red de neuronas se simula digitalmente, y la fuerza con la que un nodo de esta red influye en el otro cambia hasta que la red muestra el comportamiento deseado.

“Por lo general, los datos de la imagen se leen primero pixel por pixel y luego se procesan en la computadora“, dice Thomas Mueller.

“Nosotros, por otro lado, integramos la red neuronal con su inteligencia artificial directamente en el hardware del sensor de imagen. Esto hace que el reconocimiento de objetos sea mucho más rápido“.

El chip fue desarrollado y fabricado en la TU de Viena.

Se basa en fotodetectores hechos de diselenuro de tungsteno, un material ultra delgado que consta de solo tres capas atómicas.

Los fotodetectores individuales, los “pixeles” del sistema de la cámara, están conectados a una pequeña cantidad de elementos de salida que proporcionan el resultado del reconocimiento de objetos.

“En nuestro chip, podemos ajustar específicamente la sensibilidad de cada elemento detector individual; en otras palabras, podemos controlar la forma en que la señal captada por un detector particular afecta la señal de salida“, dice Lukas Mennel, primer autor de la publicación.

“Todo lo que tenemos que hacer es simplemente ajustar un campo eléctrico local directamente en el fotodetector“.

Esta adaptación se realiza externamente, con la ayuda de un programa informático.

Por ejemplo, se puede usar el sensor para grabar letras diferentes y cambiar las sensibilidades de los pixeles individuales paso a paso hasta que una letra determinada siempre conduzca exactamente a la señal de salida correspondiente.

Así es como se configura la red neuronal en el chip, haciendo que algunas conexiones en la red sean más fuertes y otras más débiles.

Una vez que se completa este proceso de aprendizaje, la computadora ya no es necesaria.

La red neuronal ahora puede funcionar sola.

Si se presenta una determinada letra al sensor, genera la señal de salida entrenada en 50 nanosegundos, por ejemplo, un código numérico que representa la letra que el chip acaba de reconocer.

“Nuestro chip de prueba todavía es pequeño en este momento, pero puedes escalar fácilmente la tecnología dependiendo de la tarea que quieras resolver“, dice Thomas Mueller.

“En principio, el chip también podría ser entrenado para distinguir manzanas de bananas, pero vemos su uso más en experimentos científicos u otras aplicaciones especializadas“.

La tecnología se puede aplicar de manera útil donde se requiera una velocidad extremadamente alta:

“Desde la mecánica de fractura hasta la detección de partículas, en muchas áreas de investigación, se investigan eventos cortos“, dice Thomas Mueller.

“A menudo no es necesario mantener todos los datos sobre este evento, sino responder a una pregunta muy específica:

¿se propaga una grieta de izquierda a derecha? ¿Cuál de varias partículas posibles acaba de pasar?

Esto es exactamente para lo que nuestra tecnología es buena.”

Fuente: Tu Wien