Estás leyendo la publicación: Los ingenieros de Penn desarrollan un nuevo chip utilizando una red neuronal profunda de guías de ondas ópticas que pueden clasificar casi 2 mil millones de imágenes por segundo
Este artículo está escrito como un resumen por el personal de Marktechpost basado en el documento ‘Una red neuronal profunda fotónica en chip para la clasificación de imágenes‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel y correo.
Por favor, no olvides unirte a nuestro Subreddit de aprendizaje automático
Los ingenieros de Penn diseñaron un chip novedoso que utiliza una red neuronal profunda de guías de ondas ópticas para reconocer y clasificar una imagen en menos de un nanosegundo sin necesidad de un procesador o unidad de memoria por separado.
El estudio publicado en Naturaleza explica cómo las muchas neuronas ópticas del chip están unidas entre sí mediante cables ópticos o “guías de ondas” para construir una red profunda de muchas “capas de neuronas” que se asemeja al cerebro humano. La información fluye a través de las capas de la red y cada paso ayuda a clasificar la imagen de entrada en una de las categorías aprendidas. Las imágenes organizadas por el chip en el estudio eran caracteres parecidos a letras dibujados a mano.
La inteligencia artificial (IA) se utiliza en varios sistemas, desde la predicción de texto hasta el diagnóstico médico. Muchos sistemas de IA se basan en redes neuronales artificiales, análogos eléctricos de neuronas biológicas interconectados con un conjunto de datos conocidos, como fotografías, y luego se utilizan para detectar o clasificar nuevos puntos de datos inspirados en el cerebro humano.
El chip de los investigadores, que tiene un tamaño de menos de un centímetro cuadrado, puede reconocer y clasificar una imagen en menos de un milisegundo sin usar una CPU o unidad de memoria separada.
Fuente: https://penntoday.upenn.edu/news/penn-engineers-chip-can-classify-nearly-two-billion-images-secondLa imagen del elemento de destino se crea inicialmente en un sensor de imagen, como la cámara digital de un teléfono inteligente, en redes neuronales clásicas utilizadas para la identificación de imágenes. Posteriormente, el sensor de imagen convierte la luz en impulsos eléctricos, convertidos en datos binarios que pueden procesarse, analizarse, almacenarse y clasificarse mediante procesadores informáticos. Acelerar estas capacidades es fundamental para diversas aplicaciones, incluido el reconocimiento facial, el reconocimiento automático de texto en fotografías y la asistencia a los vehículos autónomos para detectar impedimentos.
Si bien la tecnología de clasificación de imágenes de nivel de consumidor en la mayoría de las aplicaciones puede beneficiarse de un chip digital que puede ejecutar miles de millones de cálculos por segundo, las aplicaciones de clasificación de imágenes más avanzadas como la identificación de objetos en movimiento. Incluso la tecnología más sofisticada está siendo llevada al límite por el reconocimiento de objetos 3D y la clasificación de células microscópicas en el cuerpo. El orden lineal de los pasos de cómputo en un procesador de computadora controlado por un horario basado en un reloj es ahora el límite de velocidad de estas tecnologías.
Penn Engineers ha desarrollado el primer chip escalable que clasifica y reconoce instantáneamente las fotos para superar esta restricción. El profesor de ingeniería eléctrica y de sistemas, junto con un becario posdoctoral y un estudiante graduado, han eliminado los cuatro componentes principales de un chip de computadora tradicional que consumen mucho tiempo: conversión de señal óptica a eléctrica, la necesidad de convertir datos de entrada a formato binario, una gran módulo de memoria y cálculos basados en reloj.
Lo hicieron empleando una red neuronal profunda óptica basada en un chip de 9,3 milímetros cuadrados para procesar directamente la luz recibida del objeto de interés.
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
