具有二维材料神经网络图像传感器的超快速机器视觉

科学领域:

• 光电子产品
• 人工智能
• 材料科学

背景情况:

• 机器视觉系统通常使用基于的摄像头和人工神经网络 (ANN),导致高数据冗余,低率和显著的功耗.
• 现有的视觉数据预处理技术旨在提高ANN的效率,但没有解决传感器到处理器管道的基本延迟和功率问题.

研究的目的:

• 展示能够执行人工神经网络 (ANN) 计算的图像传感器,从而实现同时传感和处理图像.
• 开发一种结合传感和处理的新设备, 克服传统机器视觉系统的局限性.

主要方法:

• 使用可重新配置的二维 (2D) 半导体光二极管阵列作为人工神经网络 (ANN) 的核心.
• 实现持续调节的光响应矩阵来存储和调整传感器中的突触重量.
• 在集成传感器上展示了监督和无监督的学习模式.

主要成果:

• 开发的图像传感器作为人工神经网络 (ANN) 运作,同时进行传感和处理,延迟时间最小.
• 该设备成功分类和编码光学投影的图像,
• 在传感器层面直接实现高效的图像处理,绕过传统的数据转换和传输瓶.

结论:

• 新的图像传感器架构有效地融合了传感和人工神经网络 (ANN) 处理,为机器视觉提供了显著的进步.
• 这种综合方法有望提高自动驾驶汽车和机器人等智能系统的速度和能源效率.
• 展示的可重新配置的光二极管阵列为低延迟,高通量光学数据处理应用开辟了新的途径.