이미지 센서는 이미지를 동시에 캡처하고 처리 할 수 있으므로 물체 인식 속도가 훨씬 빨라집니다. 광자 자체가 전류에 대한 에너지를 제공하기 때문에 장치는 작동 중일 때 전력을 소비하지 않습니다.
센서는 우리의 두뇌에서 영감을받은 인공 시스템 인 ANN으로 보완됩니다. ANN에서 인공 뉴런은 데이터를 공급 받고 협력하여 문제를 해결합니다. 이 경우 이미지를 인식합니다.
비엔나의 연구자들은 유럽 연구 프로젝트 인 Graphene Flagship은 3x3 배열에 배치 된 XNUMX 개의 픽셀 ( '뉴런')을 포함하는 센서를 고안했습니다. 차례로 모든 픽셀은 XNUMX 개의 포토 다이오드로 구성됩니다. 반도체 빛을 전류로 변환하는 장치로 8 개의 출력을 제공합니다. 각 포토 다이오드는 해당 픽셀을 다른 XNUMX 픽셀에 연결합니다.
각 포토 다이오드의 전류는 들어오는 빛의 강도에 의해 결정됩니다. 전압 그것을 가로 질러. 각 뉴런은 다른 8 개의 뉴런에서 나오는 개별 전류를 합산 한 다음 결합 된 값이 컴퓨터에 공급됩니다.
장치는 일련의 훈련 과정을 거쳐 이미지를 분류 할 수 있지만 추가 정보없이 입력 데이터에서 이미지의 특징적인 구성 요소 나 구조를 인식 할 수도 있습니다.
속도는이 장치를 기존 머신 비전과 차별화합니다. 전통적인 technology 일반적으로 초당 최대 100 프레임을 처리 할 수 있으며 일부 더 빠른 시스템은 초당 최대 1,000 프레임까지 작동 할 수 있습니다. 이에 비해이 시스템은 초당 20 천만 프레임에 해당합니다.
장치가 오늘날의 크기로 확장될 것이라고 제안되었습니다. technology 유체 역학, 고에너지 물리학, 연소 과정 또는 기계적 고장과 같은 다양한 분야에서 응용 분야를 찾습니다.
이 연구의 첫 번째 저자 인 Lukas Mennel은“장치를 확장하면이 신경 형태 적 접근 방식이 이미지 인식 및 처리 영역에서 강점을 발휘할 수 있습니다. “우리는 또한 빛 흡수를 개선하거나 스펙트럼 범위를 적외선으로 확장하는 것과 같은 다른 아이디어도 고려하고 있습니다. 원칙적으로이 장치의 기능은 시각적 데이터에만 국한되지 않습니다. 센서 자체의 인공 신경망을 사용하여 모든 종류의 데이터를 (사전) 처리 할 수 있습니다. 예를 들어, 오디오 또는 후각 신경 형태 센서는 신속한 온칩 처리를 위해 개발 될 수 있습니다.”
"이 인상적인 작업은 현장 조정 기능과 같은 고유 한 속성을 활용하여 레이어드 머티리얼 기반 카메라의 완전히 새로운 응용 프로그램을 보여줍니다." Photonics 및 Optoelectronics를위한 Graphene Flagship 작업 패키지 Lleader 인 Frank Koppens가 설명했습니다. "신경망 이미지 센서는 다양한 방식으로 사회에 영향을 미칠 것이며, 계층화 된 재료를 사용하여 이제 고속 요구 사항이 충족되었습니다."
그래 핀 플래그십의 과학 및 기술 책임자이자 관리 패널의 의장 인 Andrea C. Ferrari는 다음과 같이 덧붙였습니다.“이 작업은 그래 핀 플래그십의 또 다른 주요 이정표입니다. 플래그십은 통합과 관련하여 분명히 세계 최고의 칩 레이어드 재료의. 이러한 고급 구성 요소는 새로운 최첨단 기술의 개발을 뒷받침 할 것입니다.”