El reconocimiento automático de imágenes se usa ampliamente hoy en día: existen programas informáticos 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 imágenes tal como se entrega normalmentecámaras, 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.
Los científicos de TU Wien, por lo tanto, 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 serleído y procesado por una computadora, pero el chip en sí mismo proporciona información sobre lo que está viendo actualmente, en nanosegundos. El trabajo ahora se ha presentado en la revista científica " Naturaleza . "
Hardware de aprendizaje
Las redes neuronales son sistemas artificiales que son 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 conmismo 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 píxel por píxel 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 de la imagen"sensor. Esto hace que el reconocimiento de objetos sea mucho más rápido ".
El chip fue desarrollado y fabricado en la TU Viena. Está basado en fotodetectores hechos de diselenuro de tungsteno, un material ultrafino que consta de solo tres capas atómicas. Los fotodetectores individuales, los "píxeles" del sistema de la cámara, sontodo conectado a una pequeña cantidad de elementos de salida que proporcionan el resultado del reconocimiento de objetos.
Aprendizaje a través de sensibilidad variable
"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 dela 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 registrar diferentes letras ycambie las sensibilidades de los píxeles individuales paso a paso hasta que una letra determinada siempre conduzca exactamente a una 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 este proceso de aprendizaje se completa, 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 valor numéricocódigo que representa la letra que el chip acaba de reconocer.
Detección de objetos cuando las cosas tienen que ir rápido
"Nuestro chip de prueba todavía es pequeño en este momento, pero puede escalar fácilmente la tecnología dependiendo de la tarea que desea resolver", dice Thomas Mueller. "En principio, el chip también podría ser entrenado para distinguir manzanas de plátanos"., 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 los eventos cortos", dice Thomas Mueller. "A menudo no es necesario mantener todos los datossobre este evento, sino más bien para responder 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 de la historia :
Materiales proporcionado por Universidad Tecnológica de Viena . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :