Hardware neuronal para el reconocimiento de imágenes en nanosegundos

El reconocimiento automático de imágenes es muy utilizado hoy en día: Hay programas informáticos que pueden diagnosticar con fiabilidad el cáncer de piel, navegar en coches auto-conductores o controlar robots. Hasta ahora, todo esto se ha basado en la evaluación de los datos de la imagen como los entregan las cámaras normales - y eso lleva mucho tiempo. Especialmente cuando el número de imágenes grabadas por segundo es alto, se genera un gran volumen de datos que difícilmente puede ser manejado.

Por lo tanto, los científicos de la Universidad de Viena adoptaron un enfoque diferente: utilizando un material especial 2D, se desarrolló un sensor de imagen que puede ser entrenado para reconocer ciertos objetos. El chip representa una red neural artificial capaz de aprender. Los datos no tienen que ser leídos y procesados por una computadora, sino que el propio chip proporciona información sobre lo que está viendo actualmente - en nanosegundos. El trabajo ha sido presentado ahora en la revista científica "Nature".

Hardware de aprendizaje

Las redes neuronales son sistemas artificiales similares a nuestro cerebro: Las células nerviosas están conectadas a muchas otras células nerviosas. Cuando una célula está activa, esto puede influir en la actividad de las células nerviosas vecinas. El aprendizaje artificial en el ordenador funciona exactamente según el mismo principio: Se simula digitalmente una red de neuronas, y la fuerza con la que un nodo de esta red influye en el otro se modifica hasta que la red muestra el comportamiento deseado.

"Típicamente, los datos de la imagen se leen primero píxel por píxel y luego se procesan en la computadora", dice Thomas Mueller. "Nosotros, por otro lado, integramos la red neuronal con su inteligencia artificial directamente en el hardware del sensor de imagen. Esto hace que el reconocimiento de objetos sea mucho más rápido".

El chip fue desarrollado y fabricado en la Universidad Técnica de Viena. Se basa en fotodetectores hechos de diseleniuro de tungsteno - un material ultrafino que consiste en sólo tres capas atómicas. Los fotodetectores individuales, los "píxeles" del sistema de la cámara, están todos conectados a un pequeño número de elementos de salida que proporcionan el resultado del reconocimiento de objetos.

Aprendiendo a través de la sensibilidad variable

"En nuestro chip, podemos ajustar específicamente la sensibilidad de cada elemento detector individual, en otras palabras, podemos controlar la forma en que la señal recogida por un detector particular afecta a la señal de salida", dice Lukas Mennel, primer autor de la publicación. "Todo lo que tenemos que hacer es simplemente ajustar un campo eléctrico local directamente en el fotodetector". Esta adaptación se hace externamente, con la ayuda de un programa de ordenador. Se puede, por ejemplo, utilizar el sensor para registrar diferentes letras y cambiar la sensibilidad de los píxeles individuales paso a paso hasta que una determinada letra siempre conduce exactamente a una señal de salida correspondiente. Así es como se configura la red neuronal del chip, haciendo que algunas conexiones de la red sean más fuertes y otras más débiles.

Una vez que este proceso de aprendizaje se completa, el ordenador ya no es necesario. La red neuronal puede ahora trabajar sola. Si se presenta una cierta letra al sensor, éste genera la señal de salida entrenada en 50 nanosegundos, por ejemplo, un código numérico que representa la letra que el chip acaba de reconocer.

La detección de objetos cuando las cosas tienen que ir rápido

"Nuestro chip de prueba es todavía pequeño por el momento, pero se puede ampliar fácilmente la tecnología dependiendo de la tarea que se quiera resolver", dice Thomas Mueller. "En principio, el chip también podría ser entrenado para distinguir las manzanas de los plátanos, pero vemos su uso más en experimentos científicos u otras aplicaciones especializadas."

Esta tecnología puede ser útil en cualquier lugar donde se requiera una velocidad extremadamente alta: "Desde la mecánica de la fractura hasta la detección de partículas - en muchas áreas de investigación se investigan eventos cortos", dice Thomas Mueller. "A menudo no es necesario guardar todos los datos sobre este evento, sino más bien responder a una pregunta muy específica: ¿Se propaga una grieta de izquierda a derecha? ¿Cuál de varias posibles partículas acaba de pasar? Esto es exactamente para lo que nuestra tecnología es buena".