این فرالنزها در یک تراشه محاسباتی نوری فشرده قرار می گیرند که در آزمایشگاه نانوساخت واشنگتن ساخته شده است. Ilya Chugunov/دانشگاه پرینستون
این فرالنزها در یک تراشه محاسباتی نوری فشرده قرار می گیرند که در آزمایشگاه نانوساخت واشنگتن ساخته شده است. Ilya Chugunov/دانشگاه پرینستون

200 برابر سریعتر: دوربین جدید اشیاء را با سرعت نور شناسایی می کند و می تواند به خودروهای خودران کمک کند

این سیستم می تواند تصاویر را بیش از 200 برابر سریعتر از شبکه های عصبی که از سخت افزار کامپیوترهای معمولی استفاده می کنند، شناسایی و طبقه بندی کند.

دانشمندان نوع جدیدی از دوربین فشرده را برای دید رایانه ای طراحی کرده اند. این نمونه اولیه که توسط دانشمندانی از دانشگاه واشنگتن و دانشگاه پرینستون ساخته شده است، از اپتیک برای محاسبات استفاده می کند و مصرف انرژی را کاهش می دهد. همچنین این امکان را به دوربین می دهد تا اشیاء را با سرعت نور شناسایی کند.

دستگاه آنها همچنین نشان دهنده رویکردی جدید به حوزه دید رایانه ای است، نوعی از هوش مصنوعی که به کامپیوترها اجازه می دهد اشیاء را در تصاویر و فیلم ها تشخیص دهند.

لایه هایی از 50 فرالنز

آرکا ماجومدار، استاد مهندسی برق و کامپیوتر و فیزیک دانشگاه UW، گفت: "این یک روش کاملاً جدید برای فکر کردن در مورد اپتیک است که با اپتیک سنتی بسیار متفاوت است. این طراحی end-to-end است، جایی که اپتیک همراه با بلوک محاسباتی طراحی می شود."

"در اینجا، ما لنز دوربین را با مهندسی شده اپتیک جایگزین کردیم، که به ما امکان می دهد محاسبات زیادی را در اپتیک قرار دهیم."

محققان فاش کردند که به جای استفاده از لنز دوربین سنتی ساخته شده از شیشه یا پلاستیک، اپتیک در این دوربین به لایه هایی از 50 فرالنز متکی است - اجزای نوری مسطح و سبک وزن که از نانوساختارهای میکروسکوپی برای دستکاری نور استفاده می کنند. فرالنزها همچنین به عنوان یک شبکه عصبی نوری عمل می کنند، که یک سیستم کامپیوتری است که نوعی از هوش مصنوعی است که بر اساس مغز انسان مدل سازی شده است.

200 برابر سریعتر از شبکه های عصبی

آنها ادعا کردند که این رویکرد منحصر به فرد دارای چند مزیت کلیدی است زیرا سریع است. از آنجایی که بسیاری از محاسبات با سرعت نور انجام می شود، این سیستم می تواند تصاویر را بیش از 200 برابر سریعتر از شبکه های عصبی که از سخت افزار کامپیوترهای معمولی استفاده می کنند، شناسایی و طبقه بندی کند و با دقت قابل مقایسه. همچنین مصرف انرژی را کاهش می دهد زیرا اپتیک در دوربین به جای برق به نور ورودی متکی است تا کار کند.

فلیکس هاید، استادیار علوم کامپیوتر در دانشگاه پرینستون، گفت: "کاربردهای بسیار گسترده ای برای این تحقیق وجود دارد، از خودروهای خودران، کامیون های خودران و سایر ربات ها گرفته تا دستگاه های پزشکی و تلفن های هوشمند. امروزه هر آیفون دارای هوش مصنوعی یا فناوری بینایی است." "این کار هنوز در مراحل بسیار ابتدایی است، اما همه این برنامه ها می توانند روزی از آنچه ما در حال توسعه آن هستیم بهره مند شوند."

سیستم دید رایانه ای جدید

هاید تاکید کرد که ایده این بود که از برخی از کارهایی که آرکا در مورد فراماده ها پیشگام شده است، استفاده شود تا برخی از محاسباتی که به طور سنتی به صورت الکترونیکی انجام می شوند، با سرعت نور به اپتیک آورده شوند. "با انجام این کار، ما یک سیستم دید رایانه ای جدید تولید کردیم که بسیاری از محاسبات را به صورت نوری انجام می دهد."

این مطالعه که در مجله Science Advances منتشر شده است، با جاسازی محاسبات نوری موازی در اپتیک دوربین مسطح که محاسبات شبکه عصبی را در طول ضبط قبل از ثبت روی حسگر انجام می دهد، شکاف بزرگی را پر کرد.

مرتبط با ناوبری مستقل در وسایل نقلیه خودران

محققان در این مطالعه گفتند: "ما از هسته های بزرگ استفاده می کنیم و یک شبکه کانولوشن فضایی متغیر را پیشنهاد می کنیم که از طریق یک پارامترسازی مجدد کم بعدی آموخته می شود."

گام‌های بعدی برای این تحقیق شامل تکرارهای بیشتر و توسعه نمونه اولیه به گونه‌ای است که برای ناوبری خودمختار در وسایل نقلیه خودران مرتبط‌تر باشد. این یک حوزه کاربردی است که هر دو آن را امیدوارکننده شناسایی کرده اند. آنها همچنین قصد دارند با مجموعه داده ها و مسائل پیچیده تری کار کنند که قدرت محاسباتی بیشتری برای حل آنها می طلبد، مانند تشخیص شی (تعیین مکان اشیاء خاص در یک تصویر)، که یک ویژگی مهم برای دید رایانه ای است، به گفته یک بیانیه مطبوعاتی توسط محققان.