イメージセンサーは、画像のキャプチャと処理を同時に行うことができるため、オブジェクトの認識が桁違いに速くなります。 光子自体が電流のエネルギーを提供するため、デバイスは動作中に電力を消費しません。
センサーは、私たちの脳に触発された人工システムであるANNによって補完されます。 ANNでは、人工ニューロンにデータが供給され、協力して問題に取り組みます。 この場合、画像を認識します。
ウィーンの研究者は、 欧州言語 研究プロジェクトであるグラフェンフラッグシップは、3×3のアレイに配置されたXNUMXつのピクセル（「ニューロン」）を含むセンサーを考案しました。 すべてのピクセルは、XNUMXつのフォトダイオードで構成されています。 半導体 光を電流に変換するデバイスで、8つの出力を提供します。 各フォトダイオードは、そのピクセルを他のXNUMXピクセルにリンクします。
各フォトダイオードからの電流は、入射光の強度と 電圧 それを横切って。 各ニューロンは、他の8つのニューロンからの個々の電流を合計し、結合された値がコンピューターに供給されます。
このデバイスは、一連のトレーニングプロセスの後に画像を分類できますが、追加情報なしで、入力データから画像の特徴的なコンポーネントまたは構造を認識することもできます。
速度は、このデバイスを従来のマシンビジョンとは一線を画しています。 従来型 テクノロジー 通常、最大100フレーム/秒を処理できますが、一部の高速システムは最大1,000フレーム/秒を処理できます。 比較すると、このシステムは毎秒20万フレームに相当します。
このデバイスは現在のものに合わせてスケールアップされることが示唆されています。 テクノロジー 流体力学、高エネルギー物理学、燃焼プロセス、機械的破壊など、さまざまな分野での応用が可能です。
「デバイスをスケールアップすると、このニューロモーフィックアプローチは、画像の認識と処理の分野でその強みを発揮することができます」と、この研究の最初の著者であるLukasMennelは説明します。 「私たちは、光吸収を改善したり、スペクトル範囲を赤外線に拡張したりするなど、他のアイデアも検討しています。 原則として、このデバイスの機能は視覚データだけに限定されません。 あらゆる種類のデータは、センサー自体の人工ニューラルネットワークで（前）処理できます。 たとえば、オーディオまたは嗅覚のニューロモーフィックセンサーは、迅速なオンチップ処理のために開発できます。」
「この印象的な作品は、その場での調整可能性などの独自の特性を利用して、レイヤードマテリアルベースのカメラのまったく新しいアプリケーションを示しています。」 グラフェンフラッグシップワークパッケージLleaderfor Photonics andOptoelectronicsのFrankKoppensは説明しました。 「ニューラルネットワークイメージセンサーは、さまざまな方法で社会に影響を与えます。層状の材料を使用することで、高速要件が満たされました。」
グラフェンフラッグシップの科学技術責任者であり、その管理パネルの議長であるアンドレアC.フェラーリは、次のように述べています。 フラッグシップは、への統合に関しては明らかに世界をリードしています チップ 層状材料の。 これらの高度なビルディングブロックは、新しい最先端技術の開発を支えます。」