poissons Xiao Yang du fond de la partie concave non Charles Temple rapports Qubit | Numéro public QbitAI
puce AI peut également comment faire? dernières recherches de la nature à bord d'apporter une nouvelle inspiration.
Dans le passé, nous faisons la classification de l'image est divisée en plusieurs étapes: premier capteur d'image Collect avec des signaux analogiques, numériques à la conversion analogique, puis au traitement informatique. L'ensemble du processus est à la fois la consommation d'énergie et de temps, comme l'image de l'il au cerveau.
Imaginez si l'il humain peut traiter des images directement - ne prenez pas la peine au cerveau, la vitesse de traitement de l'information d'image visuelle qui peut grandement améliorer ce pas?
Aujourd'hui, la nature de cette nouvelle recherche d'avant-garde qui directement le traitement d'image « yeux ». Et l'effet de la réaction est tout à fait choquant:
En utilisant le nouveau élément photosensible, seulement 40 ns Pour compléter la classification d'image, plus rapide que l'ordinateur pour traiter la Des dizaines de milliers de fois .
Vraiment incroyable.
réseau photodiode
Noyau, une équipe de recherche dans un réseau intégré de la puce de photodiode, et sélectionner semiconducteur 2D tungstène diséléniure (WSe2) en tant que matériau photosensible.
Le réseau de photodiodes 27 a une bonne uniformité, l'accordabilité et le détecteur linéaire, agencé pour la matrice de formation d'image de 3 x 3 pixels de taille d'environ 17 x 17m, chaque pixel est composé de trois diséléniure de tungstène photoélectrique diode (sous-pixels), la réponse de la lumière peut être réglée par la tension de grille.
Autrement dit, le semi-conducteur en réponse à la lumière peut être ajustée en changeant la tension appliquée, de manière à ajuster la sensibilité de chaque diode.
Dans la pratique, cela deviendra un réseau de neurones photocapteur réseau, et la détection optique informatique neuromorphic se combinent pour permettre d'effectuer des tâches simples de calcul.
La variation de la sensibilité de la diode, ce qui équivaut à changer les poids du réseau de neurones.
Les coefficients de pondération du capteur
Et autre différence neurologique est que le poids lourd du système ne sont pas présents dans la mémoire et le disque de disque de l'ordinateur, mais intégré directement sur le capteur d'image.
Les expériences ont utilisé une grille de séléniure photodiodes spéciales en tungstène. C'est spécial est que vous pouvez moduler, équivalent à former le réseau de neurones.
Avec différentes tensions de polarisation externe, la diode est sensible à la lumière sont différentes, le résultat est égal à la formation du réseau directement sur la pointe du capteur.
Avant les poids de formation de réseau de neurones sont stockés sur le dispositif de mémoire externe est envoyée à chacun de la détection par le circuit.
Comme la mémoire d'un ordinateur, pour stocker des informations après la puissance est perdue.
Cet ensemble d'équipements, comme un disque dur, même après la mise sous tension vers le bas peut également des informations de poids stockées.
Les chercheurs modulée à-dire électrode de grille flottante (grille flottante) une couche isolante enterrée dans un nitrure de bore, l'alumine début de la première couche isolante, la tension de grille est appliquée, puis on élimine la tension externe.
Encore capable de maintenir la grille flottante de la modulation de la photodiode à 2300 secondes qui suivent, jusqu'à ce que le changement de tension de polarisation externe.
Les chercheurs met en uvre deux types de réseaux de neurones de cette façon: la classification et l'encodeur automatique.
Dans le classificateur, courant le long de la matrice de photodiodes, et une fonction d'activation de puce de perceptron non linéaire hors puce. Ceci représente un type d'image d'entrée de l'algorithme de neurones apprentissage supervisé P peuvent être divisés en différentes catégories de sortie y.
Les résultats réels à ce jour? Ils 3 x 3 pixels produit un ensemble de lettres « primitives » sont n, v, z.
Après la formation de capteur d'image, seul le circuit correspondant au courant mesuré est 0, peut savoir quelles lettres.
Comme on peut le voir par la variation de tension au fil du temps sur la figure, lorsque le capteur d'image reçoit 40ns, deux types de tension d'entrée v n, et génère d'énormes différences ont commencé à apparaître au bout d'environ 100 ns différence maximale.
Le second réseau de neurones est le codage automatique, on peut apprendre la représentation effective de l'image d'entrée P dans le processus de formation sans surveillance. Il est utilisé avec le décodeur, le décodeur après la formation, une image peut être reproduite dans sa sortie.
Le codeur est constitué par un réseau de photodiodes lui-même, le décodeur est constitué par un dispositif électronique externe.
Dans ce procédé, la transmission de données d'image a été compression.
Un grand potentiel, mais encore beaucoup d'études de suivi
40 ns faire la distinction entre les deux images différentes, AI vision si loin vers l'efficacité du cerveau humain.
Mais il convient de noter que: cette nouvelle technologie, de l'application pratique, il y a encore un long chemin à parcourir.
Premièrement, étant donné que le détecteur à réseau de photodiodes 27, le plus grand que 3 × 3 traitement d'image.
Deuxièmement, je veux appliquer vraiment pilote automatique et la robotique, les systèmes de vision doivent capturer des images dynamiques en trois dimensions et de la vidéo avec un large champ de vision. Et maintenant, la technologie est de convertir 2D à l'information visuelle 3D à traiter, perte de mouvement et des informations approfondies.
La forme plane de la matrice de capteurs d'image, mais limite également la capacité de la caméra grand-angle.
En outre, selon les rapports Nature, le dispositif décrit dans le document est difficile à l'image dans un éclairage tamisé. En outre, la conception nécessite une haute tension et une puissance élevée, en revanche, l'énergie de chaque exploitation du réseau de neurones biologiques ne consomment que 10-15 à 10-13 Joules.
Du point de vue du processus, une puce de semi-conducteur mince utilisé dans la production à grande échelle et le traitement est difficile.
En outre, bien que le capteur d'image combine les fonctions d'acquisition et de calcul, conversion analogique-numérique est réduite, mais le retard du circuit externe problème inhérent existe toujours, ou aura une incidence sur le temps de latence du système.
Cependant, bien qu'il y ait encore beaucoup d'espace de recherche, de recherche informatique dans le capteur, et promouvoir le développement de matériel AI. De telles idées et la recherche, et ne se limitent pas à la vision par ordinateur, peuvent être étendus à d'autres audition d'entrée physique, toucher et autres.
D'autres tentatives
Les gens demandent de plus en plus un traitement rapide de l'information d'image, de nombreux scientifiques étudient l'image de processus d'entrée de la méthode.
Récemment, les chercheurs des Pays-Bas et les États-Unis, l'invention un procédé de traitement d'une image directement à l'extrémité du capteur.
Mais ils ne sont pas la classification d'image de sortie, mais les bords de l'image de sortie, qui pour la détection de la cible et la segmentation sémantique revêt une grande importance.
Ils ont été ajoutés à l'avant du capteur une « surface super »: Sapphire feuille inférieure à un demi-millimètre d'épaisseur, plaqué d'une épaisseur de 206 nm, 142 nm haut, un pas de 300 nm bande de silicium.
Quand il est placé sur la surface photosensible de la puce CCD, une surface ultra agit comme une lentille, la lumière ne peut être tiré à un angle de pente elle, filtre sur l'angle d'incidence de la lumière est faible.
Caractérisé par l'image est une combinaison de différentes ondes lumineuses, filtres onde lumineuse d'autres détails portent, ne laissant plus nette composant, comme une face de bord, au lieu d'un arrière-plan monochrome.
L'ensemble du processus ne prend que 150 nanosecondes, et nécessitent plusieurs millisecondes à un traitement informatique, une différence de quatre ordres de grandeur.
équipe de recherche
Enfin, dans l'équipe de recherche, Unterrainer de l'Université de Vienne du groupe Technologie.
Un document pour: Lukas Mennel, génie électrique et photonique spécialisés Ph.D., a servi comme un échange de chercheur invité étude du MIT, la recherche, la photonique quantique.
Un autre auteur de l'article, professeur associé de l'Université de Technologie de Vienne Thoms Mueller - Thomas Muller, mais ne sais pas qui Thomas Mueller faire un bon football, mais dans le domaine 2D de la science des matériaux, le professeur Mueller couvre la recherche fondamentale, des dispositifs opto-électroniques, circuits électroniques intégrés, circuits intégrés photoniques, il est également un grand succès.
Adresse Papers: https: //www.nature.com/articles/s41586-020-2038-x
- FIN -
Qubit QbitAI · manchettes sur la signature de
Suivez-nous, la première fois informé l'avant-garde des développements scientifiques et technologiques
