Поэтому ученые TU Wien выбрали другой подход: с использованием специального 2D-материала был разработан датчик изображения, который можно обучить распознавать определенные объекты. Чип представляет собой искусственную нейронную сеть, способную обучаться. Данные не должны считываться и обрабатываться компьютером, но сам чип предоставляет информацию о том, что он в настоящее время видит – в течение наносекунд.
Работа представлена в научном журнале «Nature»."
Обучающее оборудование
Нейронные сети – это искусственные системы, похожие на наш мозг: нервные клетки связаны со многими другими нервными клетками. Когда одна клетка активна, это может влиять на активность соседних нервных клеток.
Искусственное обучение на компьютере работает по точно такому же принципу: сеть нейронов моделируется в цифровом виде, и сила, с которой один узел этой сети влияет на другой, изменяется до тех пор, пока сеть не покажет желаемое поведение.
«Обычно данные изображения сначала считываются пиксель за пикселем, а затем обрабатываются на компьютере», – говорит Томас Мюллер. «С другой стороны, мы интегрируем нейронную сеть с ее искусственным интеллектом непосредственно в аппаратное обеспечение датчика изображения. Это на много порядков ускоряет распознавание объектов."
Чип был разработан и изготовлен в Венском техническом университете. В его основе – фотоприемники из диселенида вольфрама – ультратонкого материала, состоящего всего из трех атомных слоев.
Отдельные фотодетекторы, «пиксели» системы камер, все подключены к небольшому количеству выходных элементов, которые обеспечивают результат распознавания объекта.
Обучение через переменную чувствительность
«В нашем чипе мы можем специально настраивать чувствительность каждого отдельного элемента детектора – другими словами, мы можем контролировать то, как сигнал, полученный конкретным детектором, влияет на выходной сигнал», – говорит Лукас Меннель, первый автор публикации. "Все, что нам нужно сделать, это просто настроить локальное электрическое поле прямо на фотоприемнике.«Эта адаптация выполняется внешне, с помощью компьютерной программы.
Можно, например, использовать датчик для записи различных букв и пошагового изменения чувствительности отдельных пикселей, пока определенная буква всегда точно не приведет к соответствующему выходному сигналу. Так устроена нейронная сеть в чипе – одни соединения в сети становятся сильнее, а другие – слабее.
После завершения этого процесса обучения компьютер больше не нужен. Нейронная сеть теперь может работать одна.
Если датчику представлена определенная буква, он генерирует обученный выходной сигнал в течение 50 наносекунд – например, числовой код, представляющий букву, которую только что распознал чип.
Обнаружение объектов, когда дела идут быстро
«Наш тестовый чип пока еще невелик, но вы можете легко масштабировать технологию в зависимости от задачи, которую хотите решить», – говорит Томас Мюллер. "В принципе, чип также можно обучить отличать яблоки от бананов, но мы видим, что его больше используют в научных экспериментах или других специализированных приложениях."
Эту технологию можно с успехом применять везде, где требуется чрезвычайно высокая скорость: «От механики разрушения до обнаружения частиц – во многих областях исследований исследуются короткие события», – говорит Томас Мюллер. "Зачастую нет необходимости хранить все данные об этом событии, а нужно ответить на очень конкретный вопрос: распространяется ли трещина слева направо? Какая из нескольких возможных частиц только что прошла? Именно для этого и хороша наша технология."