Автоматическое распознавание изображений, широко используются сегодня: существуют компьютерные программы, которые могут надежно диагностировать рак кожи, перейдите самостоятельного вождения автомобилей, или управления роботами. До сих пор все это было на основе оценки данных изображения при помощи обычной камеры-и это занимает много времени. Особенно когда количество изображений, записанных в секунду-высокая, большой объем данных, которые вряд ли могут быть обработаны.
Поэтому ученые в техническом университете Вены взяли другой подход: с помощью специального 2D материал, является датчик изображения был разработан, которые могут быть обучены распознавать определенные объекты. Чип представляет собой искусственную нейронную сеть, способную к обучению. Данные не должны быть прочитаны и обработаны с помощью компьютера, но сам чип содержит информацию о том, что он сейчас видел-в наносекундах. Работа была представлена в научном журнале «Природа».
Учебного Оборудования
Нейронные сети искусственные системы, которые похожи на наш мозг: нервные клетки связаны со многими другими нервными клетками. Когда одна ячейка является активной, это может влиять на активность соседних нервных клеток. Искусственное обучение на компьютере работает по точно такому же принципу: сеть нейронов моделируется цифровой, и сила, с которой один узел этой сети влияет на другой изменяется до тех пор, пока не отобразится требуемое поведение.
«Как правило, данные изображения первого считывать пиксель за пикселем, а затем обрабатываются на компьютере», — говорит Томас Мюллер. «Мы, с другой стороны, интегрировать нейронные сети искусственный интеллект непосредственно в аппаратное обеспечение датчик изображения. Это делает распознавание объектов на много порядков быстрее».
Чип был разработан и изготовлен на ту Вену. Это на основе фотоприемников из вольфрама диселенид — ультра-тонкий материал, состоящий из трех атомных слоев. В отдельных фотоприемников, «пиксели» системы камера, все связаны с небольшого количества выходных элементов, которые обеспечивают результат распознавания объекта.
Обучение через переменную чувствительность
«В нашем чип, мы может специально настроить чувствительность каждого отдельного элемента детектора-иными словами, мы можем контролировать путь сигнала, снимаемого конкретного детектора влияет на выходной сигнал,» — говорит Лукас Меннель, первый автор публикации. «Все мы должны сделать, это просто настроить локального электрического поля непосредственно на фотоприемнике».Эта адаптация осуществляется извне, с помощью компьютерной программы. Можно, например, использовать датчик для записи различных букв и изменение чувствительности отдельных пикселей, шаг за шагом, до определенной буквы всегда приводит именно к соответствующий выходной сигнал. Это как нейронная сеть в чип настроен — делать кое-какие связи в сети сильнее, а другие слабее.
Когда процесс обучения будет завершен, компьютер больше не нужен. Нейронная сеть может работать в одиночку. Если определенная буква представлена датчика, он генерирует обучение выходного сигнала в пределах 50 наносекунд-например, числовой код, представляющий письмо, что обломок только что признали.
Объект обнаружения, когда вещи должны идти быстро
«Наш тест чип еще маленький на данный момент, но вы можете легко масштабировать технологии в зависимости от задачи, которую необходимо решить», — говорит Томас Мюллер. «В принципе, чип также может быть обучены, чтобы отличить яблоки от бананов, но мы видим его чаще используют в научных экспериментах или других специализированных приложений».
Технология может быть с пользой применен при чрезвычайно высокой скоростью необходимо: «из механики разрушения для обнаружение частиц — во многих областях исследований, исследованы короткие события», — говорит Томас Мюллер. «Часто это не является необходимым, чтобы сохранить все данные об этом событии, а в ответ на очень конкретный вопрос: есть ли трещина распространяться слева направо? Какой из нескольких возможных частиц просто проходил мимо? Это именно то, что наша технология хороша для».
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!