Neuronale Hardware
Bilderkennung in 50 Nanosekunden
Wiener Forscher haben einen ultraschnellen Sensor mit integriertem neuronalen Netzwerk entwickelt. Dank letzterem kann der Chip darauf trainiert werden, bestimmte Objekte extrem schnell zu erkennen.
Der verwendete Chip selbst stellt ein lernfähiges, künstliches neuronales Netz dar, dessen Daten nicht augelesen und extern verarbeitet werden müssen, sondern im Chip selbst innerhalb von Nanosekunden ausgewertet werden. Im Chip wird ein Neuronen-Netz, ähnlich wie im menschlichen Gehirn, digital simuliert. Die „Neuronen“ und die Art und Stärke wie sie miteinander verbunden sind und dadurch andere Knotenpunkte des Netzes beeinflussen, wird so lange verändert, bis das Netz das gewünschte Verhalten zeigt.
Professor Thomas Müller vom Institut für Photonik Technische Universität Wien erklärt: „Typischerweise werden die Bilddaten zuerst Pixel für Pixel ausgelesen und dann am Computer verarbeitet. Wir hingegen integrieren das neuronale Netz mit künstlicher Intelligenz direkt in die Hardware des Bildsensors. Damit erfolgt die Objekterkennung um viele Größenordnungen schneller als bisher.“
Der an der TU Wien entwickelte Chip basiert auf Photodetektoren aus nur drei Atomschichten „dickem“ Wolframdiselenid. Die einzelnen Photodetektoren, die „Pixel“ des Kamerasystems, sind alle mit einer kleinen Zahl von Ausgangs-Elementen verbunden, die das Ergebnis der Objekterkennung liefern.
„In unserem Chip können wir die Empfindlichkeit jedes einzelnen Detektorelements gezielt einstellen – also die Art, wie sich das Signal, das ein bestimmter Detektor aufnimmt, auf das Ausgangssignal auswirkt“, erklärt Lukas Mennel, Erstautor der jetzt in „Nature“ veröffentlichten Publikation. „Dafür müssen wir einfach nur ein lokales elektrisches Feld direkt am Photodetektor anpassen.“
Diese Anpassung erfolgt von außen, mit Hilfe eines Computerprogramms. Man kann zum Beispiel mit dem Sensor verschiedene Buchstaben aufnehmen und die Empfindlichkeiten der einzelnen Pixel Schritt für Schritt verändern, bis ein bestimmter Buchstabe immer genau zu einem korrespondierendem Ausgangssignal führt. So wird das neuronale Netz im Chip konfiguriert – mit stärkeren und schwächeren Verbindungen. Nach diesem Lernprozess arbeitet der neuronale Chip ohne Computer autonom. Wird dem Sensor der antrainierte Buchstabe präsentiert, erzeugt er innerhalb von 50 Nanosekunden das gewünschte Ausgangssignal.
“Unser Test-Chip ist momentan noch klein, aber man kann die Technologie problemlos hochskalieren, je nachdem, welche Aufgabe man lösen möchte“, sagt Thomas Müller. „Prinzipiell könnte man den Chip auch darauf trainieren, Äpfel von Bananen zu unterscheiden, wir sehen aber dessen Einsatz eher bei der Durchführung wissenschaftlicher Experimente oder anderen spezialisierten Anwendungen.“
Die Technologie ist überall dort sinnvoll einsetzbar, wo extrem hohe Geschwindigkeit gefragt ist: „Von der Bruchmechanik bis zur Teilchendetektion – in vielen Forschungsbereichen werden kurze Ereignisse untersucht“, sagt Thomas Müller. „Oft muss man nicht alle Daten über dieses Ereignis aufzubewahren, sondern eine ganz bestimmte Frage beantworten: Breitet sich ein Riss von links nach rechts aus? Welches von mehreren möglichen Teilchen ist gerade vorbeigeflogen? Genau für solche Einsatzzwecke eignet sich unsere Technologie ausgezeichnet.“
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
EVT Eye Vision Technology GmbH
Schnelle, hochqualitative Bauteil-Überprüfung
Infineon
Kleinster 3D-Bildsensor für…
