江苏龙网

  1. 首页 > 人文 > >

「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用( 二 )


这就将光电传感器网络变成了神经网络 ， 并使其能够执行简单的计算任务 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲ ANN光电二极管阵列的电路
三、功能演示：分类和自动编码 研究人员们将光电二极管排列成9个像素的正方形阵列 ， 每个像素3个二极管 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
当图像投影到芯片上时 ， 芯片会生成、读取各种二极管产生的电流 。
硬件阵列提供了一种模拟计算形式：每个光电二极管都会产生与入射光强度成比例的输出电流 ， 并且根据基尔霍夫定律将沿行或列得出的电流相加 。
然后就可以训练阵列来执行相应任务了 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲训练算法流程图（蓝色阴影框是与ANN光电二极管阵列的相互作用）
芯片外分析阵列产生的电流与预测电流之间的差异 ， 并用于调整突触权重以进行下一次训练周期 。
这个学习阶段会占用时间和计算资源 ， 但是一旦经过训练 ， 该芯片就会迅速执行其设定的任务 。
使用不同神经网络算法 ， 该团队演示了两种神经形态功能：分类和自动编码 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲a：用于训练分类器和自动编码器的实验设置；b：用于时间分辨测量的实验设置
（1）分类
他们用3×3像素阵列制作了三个简化字母：n、v、z 。
图像传感器经训练后 ， 只需测量对应电路电流是否为0 ， 就能在纳秒级时间内识别该字母 。
如果按比例增加阵列的大小 ， 该神经网络还可以识别更复杂的图像 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲识别“n”、“v”、“z”三个字母
（2）自动编码
即使在存在信号噪声的情况下 ， 该神经网络也可以通过学习图像的关键特征 ， 来生成处理后图像的简化表示 。
编码器仅包含最基本的信息 ， 但可以对其进行解码以重建接近原始图像 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲对有噪声图像的简化表示
Mennel指出 ， 系统运行的速度仅受电路中电子移动速度的限制 。 从原则上讲 ， 这种策略的工作速度可以达到数万亿分之一秒 ， 或者比目前演示的速度快三到四个数量级 。
「人工智能」AI芯片新玩法！图像处理速度提升2万倍，传感器当神经网络用
本文插图
▲分类器（a）和自动编码器训练（b）30 epoches的数据集 ， 其测试数据噪声水平分别为σ = 0.4和σ = 0.15
四、离落地还有距离 这样的传感器可以用来做什么？
Mennel说：“目前 ， 这些主要用在特定的科学应用 ， 例如 ， 流体动力学、燃烧过程或机械故障过程可从更快的视觉数据获取中受益 。 ”
不过 ， 这项技术在实际落地应用之前 ， 还有许多工作要做 。
首先 ， 用于自动驾驶车辆和机器人技术的神经形态视觉系统 ， 需要捕获具有广阔视野的三维动态图像和视频 。
而当前使用的图像捕获技术通常将3D现实世界转换为2D信息 ， 丢失运动信息和深度 ， 现有图像传感器阵列的平面形状也限制了广角相机的发展 。
其次 ， 该研究描述的设备很难在昏暗的光线下成像 ， 需要重新设计 ， 以改善薄半导体中的光吸收 ， 并增加可以检测到的光强度范围 。
再者 ， 该设计需要高电压并消耗大量功率 。 相比之下 ， 生物神经网络中每项操作的能量消耗为10 -15至10 -13焦耳 。 扩展对紫外线和红外光的响应 ， 以捕获在可见光谱不可用的信息也是有用的 。


推荐阅读


上一篇：超能网@Note20存储128GB起，你觉得够用吗？，爆料称三星Galaxy

下一篇：【超能网】三星S20 Ultra骁龙865版物料成本曝光：相机是真下重本了