Il sensore di immagine può acquisire ed elaborare simultaneamente le immagini, rendendo più veloce il riconoscimento degli oggetti di molti ordini di grandezza. Il dispositivo non consuma energia elettrica quando è in funzione, poiché i fotoni stessi forniscono l'energia per la corrente elettrica.
Il sensore è completato da una ANN, un sistema artificiale ispirato al nostro cervello. In una ANN, i neuroni artificiali ricevono dati e collaborano per affrontare un problema. In questo caso, riconoscere un'immagine.
I ricercatori di Vienna, supportati dal europeo Il progetto di ricerca, il Graphene Flagship, ha ideato sensori contenenti nove pixel - i "neuroni" - collocati in una matrice 3 × 3. Ogni pixel, a sua volta, è costituito da tre fotodiodi, che sono Semiconduttore dispositivi che convertono la luce in corrente elettrica, che forniscono tre uscite. Ciascun fotodiodo collega il proprio pixel agli altri 8 pixel.
La corrente da ogni fotodiodo è determinata dall'intensità della luce in entrata e dal voltaggio attraverso di essa. Ogni neurone somma le singole correnti provenienti dagli altri 8 neuroni e i valori combinati vengono quindi inseriti in un computer.
Il dispositivo può classificare le immagini dopo una serie di processi di addestramento, ma può anche riconoscere un componente o una struttura caratteristici di un'immagine dai dati di input, senza ulteriori informazioni.
La velocità distingue questo dispositivo dalla visione artificiale convenzionale. Convenzionale la tecnologia è solitamente in grado di elaborare fino a 100 frame al secondo, con alcuni sistemi più veloci in grado di lavorare fino a 1,000 frame al secondo. In confronto, questo sistema funziona con un equivalente di 20 milioni di frame al secondo.
È stato suggerito che il dispositivo verrà ampliato rispetto a quello odierno la tecnologia e trovano applicazioni in diversi campi, come la fluidodinamica, la fisica delle alte energie, i processi di combustione o la rottura meccanica.
"Scalando i dispositivi, questo approccio neuromorfico può sfruttare i suoi punti di forza nel campo del riconoscimento e dell'elaborazione delle immagini", spiega Lukas Mennel, primo autore dello studio. “Stiamo anche considerando altre idee, come migliorare l'assorbimento della luce o estendere la gamma spettrale nell'infrarosso. In linea di principio, le capacità di questo dispositivo non si limitano solo ai dati visivi. Qualsiasi tipo di dato potrebbe essere (pre) elaborato con una rete neurale artificiale nel sensore stesso. Ad esempio, è possibile sviluppare sensori neuromorfici audio o olfattivi per una rapida elaborazione su chip ".
"Questo lavoro impressionante mostra un'applicazione completamente nuova di telecamere basate su materiali stratificati, sfruttando le sue proprietà uniche come la sua sintonizzazione in situ". ha spiegato Frank Koppens, pacchetto di lavoro di Graphene Flagship Lleader per la fotonica e l'optoelettronica. "I sensori di immagine della rete neurale avranno un impatto sulla società in molti modi diversi e con i materiali stratificati i requisiti di alta velocità sono stati ora soddisfatti".
Andrea C. Ferrari, Responsabile Scienza e Tecnologia del Graphene Flagship e Presidente del suo Management Panel, ha aggiunto: “Questo lavoro è un'altra importante pietra miliare per il Graphene Flagship. Il Flagship è chiaramente leader mondiale per quanto riguarda l'integrazione in chip di materiali stratificati. Questi elementi costitutivi avanzati sosterranno lo sviluppo di nuove tecnologie all'avanguardia ".