AI 기반 센서, 작물과 나뭇잎의 스펙트럼 신호를 압도적 속도로 감지

로렌스 버클리 국립연구소(Lawrence Berkeley National Laboratory) 과학자들이 지능형 센서를 개발했습니다. 이 센서는 먼저 예시 객체(여기서는 작물 종류(위) 또는 나뭇잎(아래))에서 관심 있는 스펙트럼 특징을 '탐지'한 다음, 이전에 본 적 없는 새로운 환경에서 지정된 타겟을 찾아냅니다. 번거로운 디지털 처리 과정을 거치지 않고 말이죠. (이미지: Ali Javey/버클리 연구소)

스펙트럼 이미징과 AI의 만남

우리의 눈이 볼 수 있는 RGB 스펙트럼을 넘어선 색상을 포착하는 스펙트럼 이미징 도구는 물체의 물질적, 구조적 특성에 대한 정보를 얻는 데 필수적입니다. 여기에 머신러닝을 결합하면 반도체 제조, 오염 물질 추적, 작물 모니터링 등 실제 응용 분야에서 특징을 식별하는 강력한 파이프라인이 구축됩니다.

센서 자체에 AI 알고리즘을 내장하다

미국 에너지부 산하 로렌스 버클리 국립연구소(버클리 연구소) 연구진은 이제 AI 알고리즘을 카메라 센서 자체에 접목함으로써, 오랫동안 스펙트럼 이미징 기술의 성능을 저해해온 데이터 처리 병목 현상을 해소했습니다. 그 결과 화학 물질을 식별하고 재료를 신속하고 효율적으로 특성화할 수 있는 지능형 센서가 탄생했습니다.

"기존 스펙트럼 머신 비전 기술의 속도, 해상도, 전력 효율을 2개 주문(order of magnitude) 이상 향상시키는 데 주력했습니다."라고 이 연구를 주도하고 Science지에 논문을 발표한 Ali Javey 박사는 말했습니다. Javey 박사는 버클리 연구소의 선임 교수 과학자이자 UC 버클리의 재료과학 및 공학 교수입니다. 이 연구는 UCLA의 Aydogan Ozcan 교수와 긴밀한 협력으로 수행되었습니다.

반도체 소자 자체에 새로운 기능을 구현

이 센서 설계는 반도체 소자 자체에 새로운 기능을 구축하여 효율성과 유용성을 높이고, 새로운 종류의 AI 비전 하드웨어를 가능하게 하는 방법을 보여줍니다.

기존 기술의 한계: 분리된 센서와 연산 모듈

오늘날의 스펙트럼 이미징 기술은 별도의 센서와 연산 모듈을 사용합니다. 센서는 먼저 특정 색상에 해당하는 이미지 스택을 촬영합니다. 그런 다음 이 밀집된 이미지 스택이 디지털 프로세서로 전송되어 추가 연산을 거쳐 물체 식별 결과를 도출합니다. 바로 여기에서 문제가 발생합니다.

"센서는 일반 카메라보다 약 10배에서 100배 더 많은 양의 데이터를 수집해 디지털 프로세서로 전송해야 합니다."라고 버클리 연구소 재료과학부의 박사후 연구원이자 이번 연구의 제1저자인 Dehui Zhang은 설명합니다. "그 결과 센서와 컴퓨터 하드웨어가 과부하에 걸리기 쉽고, 물체 인식 작업이 극도로 느리고 전력 소모가 심해집니다."

이미지 촬영 과정에서 AI 연산 수행

버클리 연구소 팀은 이미지 촬영(광검출) 과정 자체에서 AI 연산과 스펙트럼 분석을 수행하는 센서를 개발했습니다.

"광검출은 자동적인 물리적 연산 과정으로 인식될 수 있습니다."라고 Zhang 박사는 설명합니다. "빛이 센서에 닿으면 그 강도가 자동으로 전기 전류의 세기로 매핑됩니다. 센서의 빛에 대한 응답도를 쉽게 조절할 수 있기 때문에, 연구자들은 어떤 스펙트럼 서명을 강조하고 어떤 것을 억제할지 선택하는 '조정 노브'를 갖게 됩니다. 센서를 떠나 회로로 읽히는 전류는 따라서 이미지의 스펙트럼 내용에 대한 추론 역할을 합니다."

연구팀은 이 연산 과정이 디지털 머신러닝에 일반적으로 사용되는 알고리즘과 수학적으로 유사함을 증명했습니다. 이 유추 덕분에 센서를 머신러닝 컴퓨터로 사용하여 들어오는 빛 자체에서 머신러닝 연산을 수행할 수 있게 되었습니다.

"저에게 가장 흥미로운 부분은 센서에 지능을 부여한다는 개념입니다."라고 Javey 박사는 말합니다. "일반 센서는 단순히 원시 환경 정보를 수집하고, 지능적 인식 작업은 디지털 프로세서에 맡깁니다."

반도체 소재, 소자, 알고리즘을 공동 설계함으로써 팀은 데이터의 디지털 후처리 없이 센서가 학습하고 연산할 수 있게 했습니다.

조류 식별을 넘어선 다양한 응용

하지만 이 기술의 응용 분야는 조류 식별을 훨씬 넘어섭니다. 흑린(black phosphorus) 포토다이오드를 사용하여 연구진은 몇 가지 흥미로운 가능성을 실험적으로 입증했습니다. 반도체 샘플의 산화막 두께 식별(제조 대기업들이 완벽하게 균일하게 유지해야 하는 요소), 다양한 식물 잎의 수분 상태 파악, 광학 이미지에서 객체 분할, 페트리 접시 내 투명 화학 물질 감지 등에 성공했습니다.

"이러한 장치들이 더 넓은 응용 분야에서 미래를 가질 것이라 낙관합니다."라고 Javey 박사는 말했습니다. "미래에는 스마트 센서가 스펙트럼 머신 비전뿐만 아니라 '기타 고급 광학 센싱 및 그 이상'에서도 활용될 수 있을 것입니다."

자세한 정보는 이 이메일 주소로 문의하세요. (스팸봇으로부터 보호 중. 보려면 자바스크립트 필요)