Câmera Tucsen Aries 6510 para aprendizado de máquina fotônico

"A Aries 6510 oferece a velocidade, a sensibilidade e a resolução que exigíamos para nossos projetos de aprendizado de máquina, e agora integramos a câmera ao nosso próprio aplicativo de controle usando Python."

- Wai Kit Ng, Grupo Sapienza, Blackett Labs

Objetivos da pesquisa em grupo

A inteligência artificial está se desenvolvendo rapidamente, mas os sistemas atuais consomem muita energia. Para tornar a IA mais eficiente, o Laboratório Sapienza do Imperial College London está criando um novo tipo de hardware óptico que processa informações usando luz em vez de eletricidade.

O sistema deles utiliza uma minúscula rede de semicondutores padronizados para reconhecer imagens diretamente a partir de padrões de luz. A luz interage de maneiras complexas dentro da rede, permitindo que ela realize cálculos de forma muito semelhante ao cérebro. Essa abordagem pode tornar os sistemas de IA mais rápidos e muito mais eficientes em termos de energia do que os métodos computacionais atuais, oferecendo um novo caminho para tecnologias sustentáveis e inteligentes.

Equipamentos e Experimentos

A iluminação com padrões espaciais proveniente de um dispositivo de micromirror digital (DMD) é projetada na rede.

O presente trabalho utiliza uma rede fotônica de fosfeto de índio (InP) padronizada por litografia como substrato computacional, transformando dados de entrada codificados em luz. A iluminação espacialmente padronizada, proveniente de um dispositivo de micromirror digital (DMD), é projetada sobre a rede, onde interações de espalhamento, interferência e laser não linear realizam os cálculos. A luz emitida é difratada por uma grade de difração e capturada por uma câmera de alta resolução, gerando dados para análise de aprendizado de máquina. Essa abordagem permite a computação óptica direta de IA em imagens brutas, enquanto extrai informações estruturais complexas da luz emitida.

Alta velocidade, sensibilidade e resolução são essenciais para capturar a rica dinâmica óptica da rede de forma eficiente, e o grupo está desenvolvendo sua própria GUI baseada em Python usando o SDK Tucsen.Peça de quebra-cabeça.

As imagens foram adaptadas daquelas fornecidas pelo laboratório Sapienza.

Experiência com Tucsen

"O desenvolvimento de nossa pesquisa era anteriormente limitado pelo tempo necessário para coletar dados de treinamento de diferentes dispositivos. Trabalhando comTucsenFoi simples: testamos várias câmeras, selecionamos a melhor em termos de campo de visão e velocidade, recebemos um orçamento no mesmo dia e a câmera foi entregue no prazo e até mesmo instalada no local. A leitura altamente sensível e rápida da Aries 6510 permite uma coleta de dados mais ágil sem sacrificar o nível do sinal, e seu modo dinâmico de 16 bits captura detalhes de intensidade mais precisos, o que melhora ainda mais a qualidade da informação.

- Wai Kit Ng, Imperial College, Blackett Labs.