用于基于事件的成像流细胞计的光子神经形态加速器
I Tsilikas1,2, A Tsirigotis1, G Sarantoglou1
1Department of Information and Communication Systems Engineering, University of the Aegean, Palama 2, 83100, Samos, Greece.
Scientific reports
|October 15, 2024
概括
这项研究将基于事件的摄像机与光子神经形态处理合并为高速,无标签的成像细胞计. 这种生物启发的系统提高了分类准确性,并大大降低了机器学习的计算负载.
科学领域:
- 生物光子学 生物光子学
- 神经形态工程的神经形态工程
- 计算成像技术的成像
背景情况:
- 高速成像细胞计需要高效的数据处理.
- 传统系统面临着高数据速率和计算复杂性的挑战.
- 神经形态方法为事件驱动的数据处理提供了生物灵感的解决方案.
研究的目的:
- 开发和实验验证一个高速的,无标签的成像细胞计量系统.
- 将基于事件的摄像机与光子神经形态加速器集成在一起.
- 评估对分类准确度和计算资源减少的影响.
主要方法:
- 使用基于事件的CMOS摄像头捕获1 Gevents/sec.
- 采用光子神经形加速器,使用被动光谱切片进行模拟卷积.
- 测试了以0.1米/秒的速度流动的人工聚合物珠的区别.
主要成果:
- 仅使用轻量级数字机器学习实现了98.2%的分类准确度.
- 通过在3x10^6图像/秒的光子神经形态光谱切片器预处理数据,达到98.6%的准确性.
- 数字后端的可训练参数减少了 8-22.2 的因素.
结论:
- 证明了神经形态感知和计算在一个统一的生物灵感系统中的高效融合.
- 展示了对新兴生物成像应用的整体增强.
- 验证了系统在高通量生物分析方面的潜力.
