Tucsen Aries 6510-camera voor fotonisch machinaal leren

"De Aries 6510 biedt de snelheid, gevoeligheid en resolutie die we nodig hadden voor onze machine learning-projecten, en we hebben de camera nu geïntegreerd in onze eigen besturingsapplicatie met behulp van Python."

- Wai Kit Ng, Sapienza Group, Blackett Labs

Doelstellingen van het groepsonderzoek

Kunstmatige intelligentie ontwikkelt zich snel, maar de huidige systemen verbruiken veel energie. Om AI efficiënter te maken, ontwikkelt het Sapienza Lab van Imperial College London een nieuw soort optische hardware die informatie verwerkt met behulp van licht in plaats van elektriciteit.

Hun systeem maakt gebruik van een klein, gestructureerd halfgeleidernetwerk om beelden rechtstreeks uit lichtpatronen te herkennen. Het licht interageert op complexe manieren binnen het netwerk, waardoor het berekeningen kan uitvoeren die veel lijken op die van de hersenen. Deze aanpak zou AI-systemen sneller en veel energiezuiniger kunnen maken dan de huidige computergebaseerde methoden, en biedt daarmee een nieuwe weg naar duurzame en intelligente technologieën.

Apparatuur en experiment

Ruimtelijk gepatroonde verlichting afkomstig van een digitaal micromirrorapparaat (DMD) wordt op het netwerk geprojecteerd.

In dit onderzoek wordt een lithografisch gevormd fotonisch netwerk van indiumfosfide (InP) gebruikt als rekensubstraat, dat inputdata, gecodeerd in licht, transformeert. Ruimtelijk gepatroonde belichting van een digitaal micromirrorapparaat (DMD) wordt op het netwerk geprojecteerd, waar verstrooiing, interferentie en niet-lineaire laserinteracties de berekeningen uitvoeren. Het uitgaande licht wordt gediffracteerd door een rooster en vastgelegd door een hogeresolutiecamera, wat data oplevert voor machine learning-analyse. Deze aanpak maakt directe optische AI-berekeningen op ruwe beelden mogelijk, terwijl tegelijkertijd complexe structurele informatie uit het uitgezonden licht wordt geëxtraheerd.

Hoge snelheid, gevoeligheid en resolutie zijn essentieel om de rijke optische dynamiek van het netwerk efficiënt vast te leggen. De groep ontwikkelt daarom een eigen, op Python gebaseerde grafische gebruikersinterface (GUI) met behulp van de Tucsen SDK.Puzzelstuk.

De afbeeldingen zijn bewerkt en afkomstig van het Sapienza-laboratorium.

Ervaring met Tucsen

"De ontwikkeling van ons onderzoek werd voorheen beperkt door de tijd die nodig was om trainingsgegevens van verschillende apparaten te verzamelen. Door samen te werken metTucsenHet verliep soepel: we hebben verschillende camera's getest, de beste geselecteerd op basis van beeldhoek en snelheid, dezelfde dag nog een offerte ontvangen en de camera werd op tijd geleverd en zelfs ter plaatse geïnstalleerd. De zeer gevoelige en snelle uitlezing van de Aries 6510 maakt snellere dataverzameling mogelijk zonder verlies van signaalsterkte, en de 16-bits dynamische modus legt fijnere intensiteitsdetails vast, wat de informatiekwaliteit verder verbetert."

– Wai Kit Ng, Imperial College, Blackett Labs.