Группа исследователей из Австралии представила разработку в области машинного зрения — нейроморфный чип, который объединяет функции восприятия, обработки и хранения визуальной информации в одном устройстве.
Основной элемент чипа выполнен из легированного оксида индия. Его чувствительный слой значительно тоньше человеческого волоса и способен реагировать на свет, одновременно сохраняя полученные данные в течение длительного времени. В отличие от традиционных систем, где изображение сначала фиксируется датчиком, а затем передается на внешний процессор, новое устройство проводит вычисления непосредственно в точке детектирования света. Такой подход призван снизить задержки и уменьшить энергопотребление, что особенно актуально для приложений, требующих работы в реальном времени.
По словам руководителя группы, цель разработки — исключить потери времени и энергии на передачу информации между отдельными компонентами. Устройство не требует частого обновления сигналов для сохранения данных, что также способствует повышению энергоэффективности. Как отмечается, система использует принципы аналоговой обработки, близкие к механизмам работы человеческого мозга, что позволяет выполнять сложные визуальные задачи с меньшими энергозатратами по сравнению с современными технологиями.
На данный момент чип протестирован с использованием ультрафиолетового излучения. В ближайших планах команды — адаптировать устройство для работы в видимом и инфракрасном диапазонах, что расширит сферу его применения.
Среди потенциальных областей использования разработки называются беспилотные автомобили, автономные роботизированные системы и мониторинговое оборудование, функционирующее в удаленных или опасных условиях. Возможное применение включает распознавание объектов на транспорте, системы обнаружения в труднодоступных районах, а также средства визуализации для промышленного контроля и криминалистики.
Благодаря интеграции нескольких функций на одной платформе устройство может поддерживать автономную работу без использования внешней вычислительной инфраструктуры. Ученые полагают, что в перспективе подобный подход позволит создавать системы машинного зрения, способные накапливать опыт и адаптироваться к изменениям, аналогично биологическим зрительным системам.
Читайте также: «Ученые выявили критические риски при использовании ИИ для управления авто».