Dengan penggunaan tenaga yang rendah dan penggunaan masa yang rendah, pasukan Akademi Sains & Universiti Hong Kong China menggunakan kaedah baharu untuk melaksanakan pembelajaran berbilang tugas untuk pengiraan takungan dalaman dalam penderia boleh pakai.

Pembelajaran pelbagai tugas dalam sensor bukan sahaja kelebihan utama penglihatan biologi, tetapi juga matlamat utama kecerdasan buatan. Walau bagaimanapun, cip penglihatan silikon tradisional mempunyai overhed masa dan tenaga yang besar. Selain itu, melatih model pembelajaran mendalam tradisional tidak boleh berskala atau berpatutan pada peranti edge.

Di sini, pasukan penyelidik dari Akademi Sains China dan Universiti Hong Kong mencadangkan reka bentuk bersama algoritma bahan untuk mensimulasikan paradigma pembelajaran retina manusia dengan overhed rendah. Berdasarkan semikonduktor p-NDI berbentuk berus botol dengan pemisahan pengujaan yang cekap dan sifat pengangkutan cas melalui ruang, sistem pengkomputeran takungan sensor dinamik berasaskan transistor boleh pakai dibangunkan yang mempamerkan kebolehpisahan yang sangat baik pada sifat tugas yang berbeza, memori pengecilan dan ciri keadaan gema.

Digabungkan dengan "fungsi bacaan" pada diod organik memristif, RC boleh mengecam huruf dan nombor tulisan tangan, dan mengelaskan pelbagai pakaian, dengan ketepatan 98.04%, 88.18% dan 91.76% (lebih tinggi daripada semua semikonduktor organik yang dilaporkan).

Selain imej 2D, dinamik spatiotemporal RC secara semula jadi mengekstrak ciri video berasaskan acara untuk mengklasifikasikan 3 jenis gerak isyarat dengan ketepatan 98.62%. Di samping itu, kos pengiraan jauh lebih rendah daripada rangkaian neural buatan tradisional. Kerja ini menyediakan reka bentuk bersama bahan-algoritma yang menjanjikan untuk sistem neuromorfik fotonik yang berpatutan dan cekap.

Penyelidikan ini bertajuk "Pengkomputeran takungan dalam sensor boleh pakai menggunakan polimer optoelektronik dengan ciri pengangkutan cas melalui ruang untuk pembelajaran pelbagai tugas" dan akan diterbitkan pada 2023 Diterbitkan dalam "Nature Communications" pada 28 Januari 2019.

Retina manusia bukan sahaja deria, tetapi juga memproses isyarat cahaya secara serentak dengan mengumpul isyarat dinamik yang kaya, dengan itu mempercepatkan pembelajaran berkaitan tugasan dalam korteks visual hiliran. Sinergi retina dan korteks visual mendasari keupayaan otak untuk mempelajari pelbagai tugas secara cekap, padat dan pantas serta merupakan matlamat asas kecerdasan am buatan (AGI).

Sebaliknya, cip penglihatan silikon tradisional dengan unit penderiaan, pemprosesan dan penyimpanan yang dipisahkan secara fizikal memerlukan masa dan overhed yang ketara disebabkan oleh pemindahan data yang besar dan kerap antara unit ini serta penukaran analog-ke-digital berjujukan, adalah had asas pada potensi kecekapan tenaga. Keadaan ini diburukkan lagi dengan kelembapan dalam Undang-undang Moore. Tambahan pula, pembelajaran dalam model pembelajaran mendalam tradisional, seperti rangkaian saraf berulang untuk isyarat temporal, menggunakan latihan yang membosankan pada tugas yang sangat khusus (cth., keturunan kecerunan melalui perambatan balik melalui masa, BPTT), yang sukar dalam akses bateri dan faktor bentuk tidak boleh berskala mahupun mampu milik pada peranti edge dengan faktor bentuk terhad.

Usaha besar telah dibuat untuk mensimulasikan retina manusia dan paradigma pembelajaran mampu milik. Dari segi bahan, semikonduktor dua dimensi fotoresponsif tak organik, seperti MoS2 dengan kecacatan dan tapak kekotoran, SnS dengan keadaan kecacatan dua jenis berkaitan dengan Sn dan S, Pengoksidaan berlapis- kecacatan berkaitan fosforus hitam, titik kuantum perovskit yang mempamerkan kesan kawalan cahaya yang kuat, h-BN/WSe yang boleh menangkap dan melepaskan elektron2 bidaan heterostruktur dan prestasi yang mengubah keadaan MoOx ialah bahan yang paling banyak digunakan untuk retina tiruan. Selain itu, semikonduktor organik yang sememangnya biokompatibel, boleh pakai dan berskala, seperti PDVT-10, PDPP4T yang didop klorofil, dan pentacene/sutera dan dwilapisan CD, meniru rakan biologi dengan cara yang lebih setia.

Dari segi algoritma, pengkomputeran takungan (RC) secara tak linear menayangkan isyarat temporal ke dalam ruang ciri dengan mengumpul memori pudar sistem dinamik tetap dan dianggap sebagai penyelesaian Learn yang menjanjikan. Memandangkan pembelajaran RC terhad kepada lapisan bacaan memori jangka panjang, kos latihan dikurangkan dengan ketara berbanding model pembelajaran mendalam tradisional. Walau bagaimanapun, ia masih belum mencipta algoritma bahan berpasangan untuk menggabungkan retina tiruan yang cekap dan pembelajaran kelebihan berasaskan RC yang mampu dimiliki untuk melepaskan potensi multi-tugas penglihatan neuromorfik biomimetik.

Ilustrasi: Perbandingan tindak balas arus foto semikonduktor konvensional dan p-NDI, dan sistem RC dalam penderia Prinsip reka bentuk semikonduktor terperinci. (Sumber: kertas)

Di sini, penyelidik dari Akademi Sains China dan Universiti Hong Kong mencadangkan reka bentuk bersama algoritma bahan bagi polimer semikonduktor responsif foto (p-NDI) dengan pemisahan pengujaan yang cekap dan sifat pengangkutan cas ruang penuh. , untuk membina RC dalam-sensor untuk klasifikasi corak berbilang tugas. Peranti neuromorfik yang fleksibel adalah berdasarkan transistor tiga terminal dengan saluran semikonduktor p-NDI. Disebabkan oleh tingkah laku tindak balas foto yang sangat baik dan ingatan pudar tak linear, peranti ini dapat mengesan, mengingati dan mempraproses input optik in situ secara serentak (iaitu, peningkatan kontras dan pengurangan hingar).

Ilustrasi: Prestasi pengelasan berbilang tugas. (Sumber: kertas)

Tambahan pula, sinergi antara dinamik penceraian/penggabungan semula cas, kesan photogating dan sifat pengangkutan cas melalui ruang dalam polimer Ini membolehkan dinamik berasaskan transistor Sistem RC untuk mempamerkan kebolehpisahan yang sangat baik, memori pengecilan dan ciri keadaan gema pada tugas yang berbeza. Retina berasaskan RC ini dipasangkan dengan "fungsi bacaan" yang dilaksanakan pada diod gel ion organik memristif.

Fungsi kolaboratif prapemprosesan isyarat dan RC dinamik yang disediakan oleh semua bahan optoelektronik organik mencapai ketepatan 98.04% dalam mengenal pasti huruf dan nombor tulisan tangan dan mengelaskan pelbagai pakaian, masing-masing , 88.18% dan 91.76%, yang bermaksud pembelajaran pelbagai tugas gaya dan saiz pakaian. Ketepatan keseluruhan sistem ialah 88.00%, bukan sahaja mengenal pasti pakaian dengan betul, tetapi juga mengenal pasti saiz pakaian dengan betul. Walaupun imej 2D, dinamik spatiotemporal RC telah digunakan untuk mengklasifikasikan video berasaskan peristiwa melambai tangan kiri, melambai tangan kanan dan gerak isyarat bertepuk tangan dengan ketepatan 98.62%.

Ilustrasi: Pengelasan video berasaskan acara menggunakan set data DVSGesture128. (Sumber: kertas)

Walau bagaimanapun, RC berasaskan transistor p-NDI ini tidak mengandungi elektrolit cecair yang digunakan secara meluas dalam transistor elektrokimia organik sinaptik, dengan itu meningkatkan kebolehpercayaan Skala dan kebolehkendalian. Kerja ini menyediakan strategi reka bentuk bersama bahan-algoritma yang menjanjikan untuk sistem neuromorfik fotonik yang boleh dipakai, berpatutan dan cekap dengan keupayaan pembelajaran berbilang tugas.

Pautan kertas: https://www.nature.com/articles/s41467-023-36205-9

Atas ialah kandungan terperinci Dengan penggunaan tenaga yang rendah dan penggunaan masa yang rendah, pasukan Akademi Sains & Universiti Hong Kong China menggunakan kaedah baharu untuk melaksanakan pembelajaran berbilang tugas untuk pengiraan takungan dalaman dalam penderia boleh pakai.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!