Vædderen 6510

"Aries 6510 leverer den hastighed, følsomhed og opløsning, vi krævede til vores maskinlæringsprojekter, og vi har nu integreret kameraet i vores egen kontrolapplikation ved hjælp af Python."

- Wai Kit Ng, Sapienza Group, Blackett Labs

Gruppens forskningsmål

Kunstig intelligens udvikler sig hurtigt, men nuværende systemer bruger store mængder energi. For at gøre kunstig intelligens mere effektiv, skaber Sapienza Lab på Imperial College London en ny type optisk hardware, der behandler information ved hjælp af lys i stedet for elektricitet.

Deres system bruger et lille mønstret halvledernetværk til at genkende billeder direkte fra lysmønstre. Lyset interagerer på komplekse måder inde i netværket, hvilket gør det muligt at udføre beregninger ligesom hjernen gør. Denne tilgang kan gøre AI-systemer hurtigere og langt mere energieffektive end nutidens computerbaserede metoder og dermed tilbyde en ny vej mod bæredygtige og intelligente teknologier.

Udstyr og eksperiment

Rumligt mønstret belysning fra en digital mikrospejlenhed (DMD) projiceres på netværket.

Det aktuelle arbejde bruger et litografisk mønstret indiumphosphid (InP) fotonisk netværk som et beregningssubstrat, der transformerer inputdata kodet i lys. Rumligt mønstret belysning fra en digital mikrospejlenhed (DMD) projiceres på netværket, hvor spredning, interferens og ikke-lineære laserinteraktioner udfører beregningen. Outputlyset diffrakteres af et gitter og opfanges af et højopløsningskamera, hvilket producerer data til maskinlæringsanalyse. Denne tilgang muliggør direkte optisk AI-beregning på råbilleder, samtidig med at kompleks strukturel information udvindes fra udsendt lys.

Høj hastighed, følsomhed og opløsning er afgørende for effektivt at indfange netværkets rige optiske dynamik, og gruppen udvikler deres egen Python-baserede GUI ved hjælp af Tucsen SDK'et kaldetPuslespil.

Billederne er tilpasset fra dem, der er leveret af Sapienza-laboratoriet.

Erfaring med Tucsen

"Udviklingen af vores forskning var tidligere begrænset af den tid, det tog at indsamle træningsdata fra forskellige enheder. Vi arbejder medTucsenvar ligetil: Vi demonstrerede flere kameraer, valgte det bedste med hensyn til synsfelt og hastighed, modtog et tilbud samme dag, og kameraet blev leveret til tiden og endda installeret på stedet. Den meget følsomme og hurtige aflæsning af Aries 6510 muliggør hurtigere dataindsamling uden at gå på kompromis med signalniveauet, og dens 16-bit dynamiske tilstand indfanger finere intensitetsdetaljer, hvilket yderligere forbedrer informationskvaliteten.

- Wai Kit Ng, Imperial College, Blackett Labs.