2Dマテリアルニューラルネットワーク画像センサによる超高速マシンビジョン

科学分野:

• 光電子機器
• 人工知能
• 材料科学

背景:

• マシンビジョンシステムは,フレームベースのカメラと人工ニューラルネットワーク (ANN) を一般的に使用し,高いデータ冗長性,低フレームレート,および大きな電力消費をもたらします.
• 現存する視覚データの事前処理技術は,ANNの効率を向上させることを目的としていますが,センサーからプロセッサまでのパイプラインの基本的なレイテンシーと電力問題に対処していません.

研究 の 目的:

• 人工ニューラルネットワーク (ANN) の計算を行うことができる画像センサを実証し,それによって同時に画像センシングと処理を可能にします.
• センサーとプロセッシングを統合した新しいデバイスを開発し,従来の機械ビジョンシステムの限界を克服します.

主な方法:

• 人工ニューラルネットワーク (ANN) のコアとして再構成可能な二次元 (2D) 半導体フォトダイオード配列を使用した.
• センサー内のシナプス重量を保存および調整するために,連続的に調節可能な光反応性マトリックスを実装した.
• 統合されたセンサーで監督と無監督の学習パラダイムの両方を実証しました.

主要な成果:

• 開発された画像センサは,人工ニューラルネットワーク (ANN) として機能し,最小の遅延で同時にセンシングと処理を行います.
• この装置は,光学的に投影された画像を 分類し,一秒間に2千万個という高いスループットでコード化しました.
• 効率的な画像処理をセンサーレベルで直接達成し,従来のデータ変換と転送のボトルネックを回避します.

結論:

• 新しい画像センサアーキテクチャは,センシングと人工ニューラルネットワーク (ANN) の処理を効果的に統合し,機械ビジョンの重要な進歩を提供します.
• 自動運転車やロボットなどのインテリジェントシステムのスピードとエネルギー効率を 向上させると期待されています
• 再構成可能な光ダイオード配列は,低レイテンシー,高通量光学データ処理アプリケーションのための新しい道を開きます.