Κάμερα Tucsen Aries 6510 για Φωτονική Μηχανική Μάθηση

«Το Aries 6510 προσφέρει την ταχύτητα, την ευαισθησία και την ανάλυση που απαιτούσαμε για τα έργα μηχανικής μάθησης και τώρα έχουμε ενσωματώσει την κάμερα στη δική μας εφαρμογή ελέγχου χρησιμοποιώντας Python.»

- Wai Kit Ng, Sapienza Group, Blackett Labs

Στόχοι Ομαδικής Έρευνας

Η τεχνητή νοημοσύνη αναπτύσσεται ραγδαία, αλλά τα τρέχοντα συστήματα χρησιμοποιούν μεγάλες ποσότητες ενέργειας. Για να καταστήσει την τεχνητή νοημοσύνη πιο αποτελεσματική, το Εργαστήριο Sapienza στο Imperial College London δημιουργεί ένα νέο είδος οπτικού υλικού που επεξεργάζεται πληροφορίες χρησιμοποιώντας φως αντί για ηλεκτρική ενέργεια.

Το σύστημά τους χρησιμοποιεί ένα μικροσκοπικό δίκτυο ημιαγωγών με μοτίβα για να αναγνωρίζει εικόνες απευθείας από τα φωτεινά μοτίβα. Το φως αλληλεπιδρά με πολύπλοκους τρόπους μέσα στο δίκτυο, επιτρέποντάς του να εκτελεί υπολογισμούς όπως ακριβώς κάνει ο εγκέφαλος. Αυτή η προσέγγιση θα μπορούσε να κάνει τα συστήματα Τεχνητής Νοημοσύνης ταχύτερα και πολύ πιο ενεργειακά αποδοτικά από τις σημερινές μεθόδους που βασίζονται σε υπολογιστές, προσφέροντας μια νέα πορεία προς βιώσιμες και έξυπνες τεχνολογίες.

Εξοπλισμός & Πείραμα

Ο χωρικά διαμορφωμένος φωτισμός από μια ψηφιακή συσκευή μικροκαθρέφτη (DMD) προβάλλεται στο δίκτυο.

Η τρέχουσα εργασία χρησιμοποιεί ένα φωτονικό δίκτυο φωσφιδίου του ινδίου (InP) με λιθογραφικά διαμορφωμένο μοτίβο ως υπολογιστικό υπόστρωμα, μετασχηματίζοντας τα δεδομένα εισόδου που κωδικοποιούνται στο φως. Ο χωρικά διαμορφωμένος φωτισμός από μια ψηφιακή συσκευή μικροκατοπτρισμού (DMD) προβάλλεται στο δίκτυο, όπου η σκέδαση, οι παρεμβολές και οι μη γραμμικές αλληλεπιδράσεις λέιζερ εκτελούν υπολογισμούς. Το φως εξόδου διαθλάται από ένα πλέγμα και συλλαμβάνεται από μια κάμερα υψηλής ανάλυσης, παράγοντας δεδομένα για ανάλυση μηχανικής μάθησης. Αυτή η προσέγγιση επιτρέπει τον άμεσο οπτικό υπολογισμό με τεχνητή νοημοσύνη σε ακατέργαστες εικόνες, ενώ παράλληλα εξάγει σύνθετες δομικές πληροφορίες από το εκπεμπόμενο φως.

Η υψηλή ταχύτητα, η ευαισθησία και η ανάλυση είναι απαραίτητες για την αποτελεσματική καταγραφή της πλούσιας οπτικής δυναμικής του δικτύου και η ομάδα αναπτύσσει το δικό της γραφικό περιβάλλον χρήστη (GUI) που βασίζεται σε Python χρησιμοποιώντας το Tucsen SDK που ονομάζεταιΚομμάτι παζλ.

Οι εικόνες είναι προσαρμοσμένες από εκείνες που παρέχονται από το εργαστήριο Sapienza.

Εμπειρία με το Τούσεν

«Η ανάπτυξη της έρευνάς μας περιοριζόταν προηγουμένως από τον χρόνο που απαιτούνταν για τη συλλογή δεδομένων εκπαίδευσης από διαφορετικές συσκευές. Δουλεύοντας μεΤουσένΉταν απλό: δοκιμάσαμε αρκετές κάμερες, επιλέξαμε τις καλύτερες ως προς το οπτικό πεδίο και την ταχύτητα, λάβαμε προσφορά την ίδια ημέρα και η κάμερα παραδόθηκε εγκαίρως και εγκαταστάθηκε ακόμη και επί τόπου. Η εξαιρετικά ευαίσθητη και γρήγορη ανάγνωση του Aries 6510 επιτρέπει την ταχύτερη συλλογή δεδομένων χωρίς να θυσιάζεται το επίπεδο σήματος, και η δυναμική λειτουργία 16-bit καταγράφει λεπτομέρειες με μεγαλύτερη ένταση, γεγονός που βελτιώνει περαιτέρω την ποιότητα των πληροφοριών.

- Wai Kit Ng, Imperial College, Blackett Labs.