Nanoprintede optiske lineære perceptroner med høj neurondensitet udfører nær-infrarød inferens på en CMOS-chip

I dag, maskinlæring gennemsyrer hverdagen, med millioner af brugere, der hver dag låser deres telefoner op gennem ansigtsgenkendelse eller passerer gennem AI-aktiverede automatiske sikkerhedstjek i lufthavne og togstationer. Disse opgaver er mulige takket være sensorer, der indsamler optisk information og leverer den til et neuralt netværk i en computer.

Forskere i Kina har præsenteret et nyt optisk AI-kredsløb i nanoskala, der er trænet til at udføre udrevet optisk inferens ved lysets hastighed for forbedrede autentificeringsløsninger. Ved at kombinere smarte optiske enheder med billedsensorer, systemet udfører nemt komplekse funktioner, opnåelse af en neural tæthed svarende til 1/400 af den menneskelige hjernes og en beregningskraft mere end 10 størrelsesordener højere end elektroniske processorer.

Forestil dig at give sensorerne i hverdagens enheder mulighed for at udføre kunstig intelligens-funktioner uden en computer - så simpelt som at sætte briller på dem. De integrerede holografiske perceptroner udviklet af forskerholdet ved University of Shanghai for Science and Technology ledet af professor Min Gu, et udenlandsk medlem af det kinesiske ingeniørakademi, kan gøre det til virkelighed. I fremtiden, dens neurale tæthed forventes at være 10 gange større end menneskets hjerne.

Hvordan det virker

Traditionelt, visuel information omsættes til elektronisk information, som så behandles af energikrævende hardware. Teknologien, som professor Gus team udviklede, springer dette oversættelsestrin over og behandler den optiske information direkte og uden at bruge strøm.

Elena Goi, den første forfatter til det offentliggjorte papir og et nøglemedlem af Prof Gus team, sagde, at behandlingen af ​​optisk information er muliggjort af state-of-the-art nanofabrikation.

"Ved at anvende højpræcision 3D nanofabrikationsteknologi, vi er i stand til at tilføje AI optiske elementer til industristandard billeddannelsessensorer. Dette kan sammenlignes med at sætte skræddersyet, opgavespecifikke smarte briller på billedsensorerne, som behandler den indkommende optiske information, før den overhovedet er opdaget."

Indvirkning

Ved hjælp af en state-of-the-art laser 3-D-nanoprinting teknologi, forskerne fremstillede optiske perceptroner med en neurondensitet på over 500 millioner neuroner pr. kvadratcentimeter. Funktionsstørrelsen på nanoskalaen af ​​disse smarte optiske elementer skubber den øvre grænse for beregningskraften for de nanoprintede dekrypteringer ved 400 ExaFLOPS (10 ¹⁸ FLOPS, flydende operationer pr. sekund), en stigning i operationerne per sekund på fem størrelsesordener sammenlignet med integreret fotonisk hardware.

Ved at udskrive perceptronerne direkte på CMOS-billedchips, Goi sagde, det er muligt at realisere AI optiske kredsløb, som ikke kun overgår de nuværende optiske metoder, men viser potentialet for anvendelse på en lang række områder fra sikkerhedstjek, medicinsk diagnostik, automatisk kørsel, satellit billedbehandling, etc.

Ifølge professor Gu, denne teknologi vil muliggøre en helt ny familie af energieffektive, AI-aktiverede edge-enheder til behandling af optisk information. Dette er af særlig betydning for applikationer, hvor energiforbruget er kritisk, eller dataforbindelsen er begrænset, for eksempel, smarte sensorenheder i fjerntliggende områder eller smarte sensorer til langsigtet implementering.