Репортаж от Wedoany，Исследователи из Университета штата Орегон (Oregon State University) разработали фоточувствительное цифровое запоминающее устройство, которое объединяет восприятие, хранение и обработку сигналов в одном фототранзисторе, что может снизить энергозатраты будущего аппаратного обеспечения ИИ.
Устройство разработано Инженерным колледжем Университета штата Орегон, результаты опубликованы в журнале «Advanced Functional Materials». Его конструкция имитирует ключевую способность мозга усиливать важные воспоминания, позволяя второстепенной информации со временем исчезать. Новое устройство приближает процессы ИИ к датчикам, а не заставляет данные передаваться между отдельными аппаратными модулями, выполняя часть работы непосредственно в месте воздействия света.
Руководитель проекта, профессор электротехники и компьютерных наук Ларри Ченг (Larry Cheng), отметил: «Наше оптоэлектронное устройство вводит новую аппаратную возможность, которая может обеспечить более эффективную обработку информации непосредственно на уровне датчика». Современное аппаратное обеспечение ИИ разделяет восприятие, хранение и обработку, связанные с машинным восприятием, на разные компоненты, и данные вынуждены постоянно перемещаться между ними, что потребляет энергию и снижает эффективность.
Устройство Университета штата Орегон решает эту проблему, интегрируя часть функций хранения и обработки непосредственно в оптический датчик. Оно использует фототранзистор, изготовленный из двух различных материалов: оксидный полупроводник образует канал транзистора (путь, по которому течет ток), а сверху расположен фоточувствительный органический слой, поглощающий свет и генерирующий заряд. Когда свет попадает на устройство, часть заряда захватывается в фоточувствительном слое. Даже после исчезновения света захваченный заряд продолжает влиять на ток, протекающий через полупроводниковый канал, позволяя устройству сохранять память о ранее обнаруженном световом сигнале.
Память не является статичной. Прикладывая небольшое электрическое напряжение на затвор, исследователи могут изменять положение захваченного заряда относительно канала транзистора. Когда заряд приближается к каналу, его эффект усиливается, и память сохраняется дольше; когда заряд удаляется, эффект ослабевает, и память исчезает быстрее. Такое поведение напоминает способ, которым биологический мозг регулирует память: в мозге химические сигналы определяют, будет ли память усилена или забыта; в устройстве электрические сигналы играют аналогичную роль, обеспечивая программируемую продолжительность памяти аппаратного обеспечения.
Это особенно полезно для области нейроморфных вычислений (neuromorphic computing), которая стремится создать компьютерные системы, имитирующие биологические нейронные сети. Это также соответствует более широкой тенденции развития вычислений внутри датчика (in-sensor computing), когда данные обрабатываются в точке захвата, а не передаются в отдельные процессоры и хранилища. Для систем ИИ-зрения это означает, что аппаратное обеспечение может фильтровать, взвешивать и временно сохранять визуальную информацию до того, как она достигнет традиционного процессора. Роботам, дронам, камерам безопасности или автономным системам, возможно, не нужно хранить каждый визуальный сигнал вечно: некоторую информацию нужно обрабатывать лишь кратковременно, другую — сохранять дольше, а третья должна исчезать почти мгновенно.
Ларри Ченг сказал: «Это фоточувствительное запоминающее устройство с программируемой продолжительностью памяти создает настраиваемое временное окно для обработки визуальных и других сенсорных сигналов непосредственно в точке обнаружения. Такая возможность может привести к созданию более эффективных систем зрения и других сенсорных технологий ИИ». Исследование пока находится на уровне устройства и не может напрямую заменить современные ИИ-ускорители или датчики изображения. Однако это направление указывает путь развития аппаратного обеспечения, который позволит будущим системам ИИ меньше зависеть от постоянного перемещения данных между датчиками, памятью и процессорами. В случае успешного масштабирования устройства ИИ могут стать быстрее, компактнее и энергоэффективнее, особенно в периферийных системах, где энергоэффективность имеет решающее значение.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
