„Tucsen Aries 6510“ kamera fotoniniam mašininiam mokymuisi

„Aries 6510“ užtikrina greitį, jautrumą ir skiriamąją gebą, kurių mums reikėjo mašininio mokymosi projektams, o dabar kamerą integravome į savo valdymo programą naudodami „Python“.“

– „Wai Kit Ng“, „Sapienza Group“, „Blackett Labs“.

Grupinio tyrimo tikslai

Dirbtinis intelektas sparčiai vystosi, tačiau dabartinės sistemos sunaudoja daug energijos. Siekdama padidinti dirbtinio intelekto efektyvumą, Londono imperatoriškojo koledžo „Sapienza“ laboratorija kuria naujo tipo optinę įrangą, kuri apdoroja informaciją naudodama šviesą, o ne elektrą.

Jų sistema naudoja mažytį struktūrizuotą puslaidininkių tinklą, kad atpažintų vaizdus tiesiogiai iš šviesos srautų. Šviesa sąveikauja sudėtingais būdais tinklo viduje, leisdama jam atlikti skaičiavimus panašiai kaip smegenys. Toks metodas galėtų padaryti dirbtinio intelekto sistemas greitesnes ir daug efektyvesnes energijos vartojimo požiūriu nei šiandieniniai kompiuteriniai metodai, atverdamas naują kelią tvarių ir išmaniųjų technologijų link.

Įranga ir eksperimentas

Erdviniu būdu struktūruotas apšvietimas iš skaitmeninio mikroveidrodinio įrenginio (DMD) projektuojamas į tinklą.

Šiame darbe kaip skaičiavimo substratas naudojamas litografiškai raštuotas indžio fosfido (InP) fotoninis tinklas, transformuojantis šviesoje užkoduotus įvesties duomenis. Erdviniu būdu raštuotas apšvietimas iš skaitmeninio mikroveidrodinio įrenginio (DMD) projektuojamas į tinklą, kur skaičiavimą atlieka sklaidos, interferencijos ir netiesinio lazerio sąveikos. Išvesties šviesa difrakuojama gardelės ir fiksuojama didelės skiriamosios gebos kamera, taip sukuriant duomenis mašininio mokymosi analizei. Šis metodas leidžia atlikti tiesioginius optinius dirbtinio intelekto skaičiavimus neapdorotuose vaizduose, tuo pačiu išgaunant sudėtingą struktūrinę informaciją iš skleidžiamos šviesos.

Didelis greitis, jautrumas ir skiriamoji geba yra būtini norint efektyviai užfiksuoti sodrią tinklo optinę dinamiką, todėl grupė kuria savo „Python“ pagrindu sukurtą grafinę sąsają, naudodama „Tucsen SDK“, vadinamąDėlionė.

Vaizdai pritaikyti iš „Sapienza“ laboratorijos pateiktų.

Patirtis su Tucsen

„Anksčiau mūsų tyrimų plėtrą ribojo laikas, reikalingas mokymo duomenims iš skirtingų įrenginių surinkti. Darbas su“Tučenasbuvo nesudėtingas: išbandėme kelias kameras, išrinkome geriausią pagal matymo lauką ir greitį, gavome tos pačios dienos kainos pasiūlymą, o kamera buvo pristatyta laiku ir netgi sumontuota vietoje. Dėl itin jautraus ir greito „Aries 6510“ rodmenų duomenys leidžia greičiau rinkti duomenis neprarandant signalo lygio, o 16 bitų dinaminis režimas fiksuoja smulkesnes detales, o tai dar labiau pagerina informacijos kokybę.“

– Wai Kit Ng, Imperial College, Blackett Labs.