Un capteur optique révolutionnaire imite l’œil humain, une étape clé vers une meilleure IA –

  • FrançaisFrançais



  • Les chercheurs de l’Oregon State University font des progrès clés avec un nouveau type de capteur optique qui imite plus étroitement la capacité de l’œil humain à percevoir les changements dans son champ visuel.

    Le capteur est une avancée majeure dans des domaines tels que la reconnaissance d’image, la robotique et l’intelligence artificielle. Les conclusions du chercheur John Labram de l’OSU College of Engineering et de Cinthya Trujillo Herrera, étudiante diplômée, ont été publiées aujourd’hui dans Lettres de physique appliquée.

    Les tentatives précédentes pour construire un appareil de type œil humain, appelé capteur rétinomorphe, se sont appuyées sur des logiciels ou du matériel complexe, a déclaré Labram, professeur adjoint de génie électrique et d’informatique. Mais le fonctionnement du nouveau capteur fait partie de sa conception fondamentale, utilisant des couches ultrafines de semi-conducteurs en pérovskite – largement étudiées ces dernières années pour leur potentiel d’énergie solaire – qui passent d’isolants électriques puissants à des conducteurs puissants lorsqu’ils sont placés à la lumière.

    “Vous pouvez le considérer comme un pixel unique faisant quelque chose qui exigerait actuellement un microprocesseur”, a déclaré Labram, qui dirige l’effort de recherche avec le soutien de la National Science Foundation.

    Le nouveau capteur pourrait être un match parfait pour les ordinateurs neuromorphes qui alimenteront la prochaine génération d’intelligence artificielle dans des applications telles que les voitures autonomes, la robotique et la reconnaissance d’image avancée, a déclaré Labram. Contrairement aux ordinateurs traditionnels, qui traitent les informations de manière séquentielle sous la forme d’une série d’instructions, les ordinateurs neuromorphes sont conçus pour émuler les réseaux massivement parallèles du cerveau humain.

    «Les gens ont essayé de reproduire cela dans le matériel et ont eu un succès raisonnable», a déclaré Labram. «Cependant, même si les algorithmes et l’architecture conçus pour traiter les informations ressemblent de plus en plus à un cerveau humain, les informations que ces systèmes reçoivent sont encore décidément conçues pour les ordinateurs traditionnels.

    En d’autres termes: pour atteindre son plein potentiel, un ordinateur qui “pense” plus comme un cerveau humain a besoin d’un capteur d’image qui “voit” plus comme un œil humain.

    Organe d’une complexité spectaculaire, l’œil contient environ 100 millions de photorécepteurs. Cependant, le nerf optique n’a qu’un million de connexions avec le cerveau. Cela signifie qu’une quantité importante de prétraitement et de compression dynamique doit avoir lieu dans la rétine avant que l’image puisse être transmise.

    Il s’avère que notre sens de la vision est particulièrement bien adapté pour détecter les objets en mouvement et est comparativement “moins intéressé” par les images statiques, a déclaré Labram. Ainsi, notre circuit optique donne la priorité aux signaux des photorécepteurs détectant un changement d’intensité lumineuse – vous pouvez le démontrer vous-même en regardant un point fixe jusqu’à ce que les objets de votre vision périphérique commencent à disparaître, un phénomène connu sous le nom d’effet Troxler.

    Les technologies de détection conventionnelles, comme les puces présentes dans les appareils photo numériques et les smartphones, sont mieux adaptées au traitement séquentiel, a déclaré Labram. Les images sont scannées sur un réseau bidimensionnel de capteurs, pixel par pixel, à une fréquence définie. Chaque capteur génère un signal avec une amplitude qui varie directement avec l’intensité de la lumière qu’il reçoit, ce qui signifie qu’une image statique se traduira par une tension de sortie plus ou moins constante du capteur.

    En revanche, le capteur rétinomorphe reste relativement silencieux dans des conditions statiques. Il enregistre un signal court et net lorsqu’il détecte un changement d’éclairage, puis revient rapidement à son état de base. Ce comportement est dû aux propriétés photoélectriques uniques d’une classe de semi-conducteurs connue sous le nom de pérovskites, qui se sont révélées très prometteuses en tant que matériaux de cellules solaires de nouvelle génération à faible coût.

    Dans le capteur rétinomorphe de Labram, la pérovskite est appliquée en couches ultrafines, de quelques centaines de nanomètres d’épaisseur, et fonctionne essentiellement comme un condensateur qui fait varier sa capacité sous illumination. Un condensateur stocke de l’énergie dans un champ électrique.

    “La façon dont nous le testons est, en gros, que nous le laissons dans le noir pendant une seconde, puis nous allumons les lumières et les laissons simplement allumées”, a-t-il déclaré. “Dès que la lumière s’allume, vous obtenez ce gros pic de tension, puis la tension diminue rapidement, même si l’intensité de la lumière est constante. Et c’est ce que nous voulons.”

    Bien que le laboratoire de Labram ne puisse actuellement tester qu’un seul capteur à la fois, son équipe a mesuré un certain nombre d’appareils et a développé un modèle numérique pour reproduire leur comportement, en arrivant à ce que Labram considère comme “une bonne correspondance” entre la théorie et l’expérience.

    Cela a permis à l’équipe de simuler un ensemble de capteurs rétinomorphes pour prédire comment une caméra vidéo rétinomorphe répondrait au stimulus d’entrée.

    “Nous pouvons convertir la vidéo en un ensemble d’intensités lumineuses, puis l’intégrer dans notre simulation”, a déclaré Labram. “Les régions où une sortie de tension plus élevée est prévue à partir du capteur s’allument, tandis que les régions à basse tension restent sombres. Si la caméra est relativement statique, vous pouvez clairement voir toutes les choses qui bougent réagissent fortement. Cela reste raisonnablement fidèle à le paradigme de la détection optique chez les mammifères. “

    Une simulation utilisant des images d’un entraînement de baseball montre les résultats attendus: les joueurs sur le terrain apparaissent comme des objets en mouvement clairement visibles et lumineux. Les objets relativement statiques – le terrain de baseball, les gradins, même les hors-champ – se fondent dans l’obscurité.

    Une simulation encore plus frappante montre un oiseau volant en vue, puis disparaissant presque lorsqu’il s’arrête devant une mangeoire invisible. L’oiseau réapparaît alors qu’il décolle. Le chargeur, réglé en balancement, devient visible uniquement lorsqu’il commence à bouger.

    «La bonne chose est qu’avec cette simulation, nous pouvons entrer n’importe quelle vidéo dans l’un de ces tableaux et traiter ces informations essentiellement de la même manière que l’œil humain le ferait», a déclaré Labram. “Par exemple, vous pouvez imaginer que ces capteurs sont utilisés par un robot qui suit le mouvement des objets. Tout élément statique dans son champ de vision ne susciterait pas de réponse, mais un objet en mouvement enregistrerait une haute tension. Cela indiquerait immédiatement au robot. où se trouvait l’objet, sans traitement d’image complexe. “

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Houssen Moshinaly

    Rédacteur web depuis 2009 et webmestre depuis 2011.

    Je m'intéresse à tous les sujets comme la politique, la culture, la géopolitique, l'économie ou la technologie. Toute information permettant d'éclairer mon esprit et donc, le vôtre, dans un monde obscur et à la dérive.

    Je suis l'auteur de plusieurs livre

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.