El sensor de imagen puede capturar y procesar imágenes simultáneamente, haciendo que el reconocimiento de objetos sea mucho más rápido en muchos órdenes de magnitud. El dispositivo no consume energía eléctrica cuando está en funcionamiento, ya que los propios fotones proporcionan la energía para la corriente eléctrica.
El sensor se complementa con un ANN, un sistema creado por el hombre inspirado en nuestro cerebro. En una RNA, las neuronas artificiales reciben datos y cooperan para abordar un problema. En este caso, reconocer una imagen.
Los investigadores en Viena, apoyados por el Europea El proyecto de investigación Graphene Flagship, ideó sensores que contienen nueve píxeles, las 'neuronas', colocados en una matriz de 3 × 3. Cada píxel, a su vez, consta de tres fotodiodos, que son Semiconductores dispositivos que convierten la luz en corriente eléctrica, que proporcionan tres salidas. Cada fotodiodo vincula su píxel a los otros 8 píxeles.
La corriente de cada fotodiodo está determinada por la intensidad de la luz entrante y la voltaje a través de él. Cada neurona suma las corrientes individuales que provienen de las otras 8 neuronas, y los valores combinados se introducen en una computadora.
El dispositivo puede clasificar imágenes después de una serie de procesos de entrenamiento, pero también puede reconocer un componente o estructura característico de una imagen a partir de datos de entrada, sin información adicional.
La velocidad distingue a este dispositivo de la visión artificial convencional. Convencional la tecnología generalmente es capaz de procesar hasta 100 cuadros por segundo, con algunos sistemas más rápidos capaces de trabajar hasta 1,000 cuadros por segundo. En comparación, este sistema funciona con un equivalente a 20 millones de fotogramas por segundo.
Se ha sugerido que el dispositivo se ampliará con los actuales la tecnología y encontrar aplicaciones en diferentes campos, como la dinámica de fluidos, la física de altas energías, los procesos de combustión o las averías mecánicas.
“Al ampliar los dispositivos, este enfoque neuromórfico puede desarrollar sus puntos fuertes en el ámbito del reconocimiento y el procesamiento de imágenes”, explica Lukas Mennel, primer autor del estudio. “También estamos considerando otras ideas, como mejorar la absorción de luz o extender el rango espectral al infrarrojo. En principio, las capacidades de este dispositivo no se limitan solo a los datos visuales. Cualquier tipo de datos podría (pre) procesarse con una red neuronal artificial en el propio sensor. Por ejemplo, se podrían desarrollar sensores neuromórficos olfativos o de audio para un procesamiento rápido en el chip ".
"Este impresionante trabajo muestra una aplicación completamente nueva de cámaras basadas en materiales en capas, aprovechando sus propiedades únicas como su capacidad de sintonización in situ". explicó Frank Koppens, líder del paquete de trabajo Graphene Flagship para fotónica y optoelectrónica. “Los sensores de imagen de redes neuronales impactarán a la sociedad de muchas formas diferentes y, con materiales en capas, ahora se han cumplido los requisitos de alta velocidad”.
Andrea C. Ferrari, Oficial de Ciencia y Tecnología del Graphene Flagship y Presidente de su Panel de Gestión, agregó: “Este trabajo es otro hito importante para el Graphene Flagship. El buque insignia es claramente líder mundial en lo que respecta a la integración en patatas fritas de materiales en capas. Estos bloques de construcción avanzados respaldarán el desarrollo de nuevas tecnologías de vanguardia ".