Tucsen Aries 6510-kamera för fotonisk maskininlärning

"Aries 6510 levererar den hastighet, känslighet och upplösning vi behövde för våra maskininlärningsprojekt, och vi har nu integrerat kameran i vår egen kontrollapplikation med hjälp av Python."

- Wai Kit Ng, Sapienza Group, Blackett Labs

Gruppforskningsmål

Artificiell intelligens utvecklas snabbt, men nuvarande system använder stora mängder energi. För att effektivisera AI skapar Sapienza Lab vid Imperial College London en ny typ av optisk hårdvara som bearbetar information med hjälp av ljus istället för elektricitet.

Deras system använder ett litet mönstrat halvledarnätverk för att känna igen bilder direkt från ljusmönster. Ljuset interagerar på komplexa sätt inuti nätverket, vilket gör att det kan utföra beräkningar ungefär som hjärnan gör. Denna metod skulle kunna göra AI-system snabbare och mycket mer energieffektiva än dagens datorbaserade metoder, vilket erbjuder en ny väg mot hållbara och intelligenta teknologier.

Utrustning och experiment

Rumsligt mönstrad belysning från en digital mikrospegelenhet (DMD) projiceras på nätverket.

Det aktuella arbetet använder ett litografiskt mönstrat fotoniskt nätverk av indiumfosfid (InP) som ett beräkningssubstrat, vilket transformerar indata kodad i ljus. Rumsligt mönstrad belysning från en digital mikrospegelanordning (DMD) projiceras på nätverket, där spridning, interferens och ickelinjära laserinteraktioner utför beräkningen. Utgångsljuset diffrakteras av ett gitter och fångas upp av en högupplöst kamera, vilket producerar data för maskininlärningsanalys. Denna metod möjliggör direkt optisk AI-beräkning på råbilder samtidigt som komplex strukturell information extraheras från emitterat ljus.

Hög hastighet, känslighet och upplösning är avgörande för att effektivt fånga nätverkets rika optiska dynamik, och gruppen utvecklar sitt eget Python-baserade grafiska gränssnitt med hjälp av Tucsen SDK som kallasPusselbit.

Bilderna är anpassade från de som tillhandahålls av Sapienza-labbet.

Erfarenhet med Tucsen

"Utvecklingen av vår forskning begränsades tidigare av den tid som behövdes för att samla in träningsdata från olika enheter. Att arbeta medTucsenvar enkelt: vi demonstrerade flera kameror, valde ut den bästa för synfält och hastighet, fick en offert samma dag, och kameran levererades i tid och installerades till och med på plats. Den mycket känsliga och snabba avläsningen hos Aries 6510 möjliggör snabbare datainsamling utan att offra signalnivån, och dess 16-bitars dynamiska läge fångar finare intensitetsdetaljer vilket ytterligare förbättrar informationskvaliteten.

- Wai Kit Ng, Imperial College, Blackett Labs.