スペクトルイメージングを強化するオンセンサー AI

機械学習が組み込まれた光検出器により、リアルタイムの認識が可能になり、エネルギー需要が削減され、複雑な環境の光学センシングが加速されます。

スペクトルイメージングは​​、材料の分析、作物の監視、汚染物質の追跡に不可欠なツールです。しかし、従来のシステムは、分析のために別のプロセッサに送信する必要がある膨大な量のデータを生成するため、大きな課題に直面しています。これにより、オブジェクトの認識が遅くなり、大量の電力が消費され、AI アプリケーションの速度と効率が制限されます。研究者は、画像キャプチャ中に直接インテリジェント認識を実行できるセンサーを必要としていました。

ローレンス・バークレー国立研究所の科学者たちは、このニーズを満たすために、この種では初となる AI 強化センサーを開発しました。このデバイスは、機械学習を光検出プロセスに統合するように設計されており、高密度のデジタル後処理の必要性を排除し、ターゲットオブジェクトのリアルタイム識別を可能にします。

このセンサーは、サンプル画像からスペクトル特徴を「嗅ぎ取り」、その知識を新しいまだ見たことのないシーンに適用することで、リアルタイムで物体を識別できます。センサーに当たる光は電流に変換され、その強度はスペクトル内容に対応します。センサーの応答性を調整することで、必要なシグネチャを強調表示し、無関係なデータを抑制します。このアナログ信号は、機械学習アルゴリズムを模倣する計算を効果的に実行し、個別のデジタル処理の必要性を排除します。

トレーニング中、センサーはサンプル画像のラベル付きピクセルを検査し、どの特徴がターゲットに対応し、どの特徴が背景に対応するかを学習します。新しい画像が提示されると、ターゲットに対してのみポジティブな信号が生成され、目に見えないデータを一般化する能力が実証されます。このアプローチにより、従来のスペクトル イメージングと比較して、データ転送が大幅に削減され、処理速度が向上し、消費電力が削減されます。

この研究作業を主導したカリフォルニア大学バークレー校の EECS および MSE の Ali Javey 教授は、「私にとって最もエキサイティングな部分は、センサーにインテリジェンスを与えることです。」と述べています。センサーは、ラベル付きピクセルを使用してサンプル画像でトレーニングされ、その後、新しいデータでテストされました。鳥、葉の水和状態、半導体の酸化物層の厚さ、透明な化学物質などの物体の識別に成功しました。ハードウェアとアルゴリズムを共同設計することで、チームはスペクトル イメージングを超えた AI ビジョンと光学センシングの新たな可能性を切り開きました。