O chip usa sinapses artificiais, eliminando a necessidade de processamento externo para compor a imagem.
[Imagem: TU Wien]
O esforço para dotar a indústria de novos "sentidos", dentro do conceito da Indústria 4.0, ganhou uma nova ferramenta que é um verdadeiro "órgão artificial".
Este chip é o que mais se aproxima do que seria um olho artificial para a visão de máquina, a técnica que usa câmeras de alta velocidade para inspecionar produtos e equipamentos de forma automatizada.
Um equipamento típico de visão de máquina consiste em um sensor - o CCD das câmeras digitais - e um circuito de processamento, que pega as leituras de cada píxel da câmera e produz uma imagem final, que pode então ser analisada por um software.
Esse movimento de dados entre o sensor e as unidades de processamento não apenas exige alto consumo de energia, mas também resulta em uma alta latência computacional - na ordem de milissegundos.
Lukas Mennel e seus colegas da Universidade de Tecnologia de Viena virtualmente eliminaram essa latência, levando-a para a faixa dos nanossegundos, o que permitirá câmeras com uma capacidade de detecção em quadros por segundo muito superior aos sistemas atuais - a expectativa é que os custos dessas câmeras de alta velocidade caiam muito com essa nova tecnologia.
Cada píxel tem seu próprio controle de nível de brilho, permitindo o que a equipe chama de "autocomputação".
[Imagem: Lukas Mennel et al. - 10.1038/s41586-020-2038-x]
Autocomputação
O grande feito foi tornar o próprio chip de captura de imagem - o sensor - capaz de fazer ele próprio os cálculos que permitem formar a imagem que está sendo coletada.A equipe projetou uma rede de sensores na qual as imagens são codificadas como píxeis brilhantes com intensidades ópticas variadas. Ajustando a sensibilidade dos sensores em termos de brilho de cada píxel, o chip é capaz de se autocomputar, eliminando a necessidade de retransmitir os sinais para unidades de processamento de nível superior.
O hardware consiste em uma rede neural artificial - que imita o cérebro humano - similar às que vêm sendo implementadas com os memoristores, também conhecidos como sinapses artificiais.
A rede foi estruturada de forma que a resposta de cada componente semicondutor à luz pode ser reforçada ou enfraquecida pela aplicação de uma tensão externa. Uma mudança na tensão resulta em uma alteração na força da conexão (ação sináptica). Essa capacidade de ajuste permite implementar diretamente no hardware os algoritmos de aprendizado de máquina, como as redes neurais artificiais.
Para demonstrar essa inteligência artificial em hardware, os pesquisadores implementaram dois tipos de redes neurais: um classificador e um autocodificador. Um classificador aprende a classificar imagens em diferentes categorias após uma série de processos de treinamento (aprendizado supervisionado), enquanto um codificador automático reconhece um componente ou estrutura característicos de uma imagem a partir dos dados de entrada, sem informações adicionais (aprendizado não supervisionado).
Demonstrado o conceito, o próximo passo é construir redes maiores, que possam capturar imagens de alta resolução.
"Apresentamos um sensor de visão por rede neural artificial para reconhecimento ultrarrápido e codificação de imagens ópticas. O conceito do dispositivo é facilmente escalonável e oferece várias possibilidades de treinamento para aplicações de visão de máquina ultrarrápidas," escreveu a equipe.
Bibliografia:
Artigo: Ultrafast machine vision with 2D material neural network image sensorsAutores: Lukas Mennel, Joanna Symonowicz, Stefan Wachter, Dmitry K. Polyushkin, Aday J. Molina-Mendoza, Thomas Mueller
Revista: Nature
DOI: 10.1038/s41586-020-2038-x
Comentários
Postar um comentário