Исследователи из Колледжа инженерии Орегонского государственного университета (OSU) представили инновационное светочувствительное устройство, способное совершить прорыв в области энергоэффективного искусственного интеллекта. Разработанный ими оптический чип объединяет в себе три ключевые функции: захват изображения, хранение данных и первичную обработку сигналов.
Традиционные системы машинного зрения устроены сложнее: сначала сенсор фиксирует свет, затем передает массив данных в оперативную память, откуда они поступают в процессор. Постоянное перемещение больших объемов информации между этими узлами создает «бутылочное горлышко», что резко увеличивает энергопотребление и снижает общую скорость работы системы.
Внутрисенсорные вычисления: новая архитектура
Разработка OSU опирается на принципы внутрисенсорных вычислений. В данном сценарии часть обработки данных происходит непосредственно в момент их поступления на матрицу. Как отмечает профессор Ларри Ченг, такой подход позволяет радикально сократить избыточные операции, повышая эффективность всей вычислительной цепочки.
Конструкция устройства представляет собой гибридный фототранзистор, состоящий из двух функциональных слоев:
- Нижний слой: полупроводник, отвечающий за быстрый перенос электрического тока.
- Верхний слой: органический фоточувствительный материал, который реагирует на световой поток, генерируя электрические заряды.
Имитация когнитивных процессов
Уникальность устройства заключается в механизме «запоминания» света. Когда свет попадает на фототранзистор, часть заряда «запирается» в верхнем слое и сохраняется там даже после того, как освещение прекращается. Эти заряды меняют проводимость нижнего слоя, фактически оставляя «след» от увиденного сигнала.
Более того, эта память поддается управлению. Подавая внешнее напряжение, инженеры могут менять плотность «запертых» зарядов:
- При сближении зарядов с проводящим каналом память усиливается, а сигнал сохраняется дольше.
- При удалении зарядов эффект ослабевает, позволяя системе буквально «забывать» неактуальную или лишнюю информацию.
Данный алгоритм имитирует способность человеческого мозга к синаптической пластичности, где нейронные связи укрепляются или стираются в зависимости от важности данных. В области искусственного зрения с памятью это позволяет нейроморфным системам не тратить вычислительные ресурсы на хранение второстепенных данных.
Перспективы внедрения
Технология нейроморфных вычислений может стать критически важной для автономных дронов, систем беспилотного транспорта и промышленной робототехники. Несмотря на то, что разработка на данный момент является лабораторным прототипом, она открывает путь к созданию гораздо более компактных и энергоэффективных ИИ-устройств будущего.
