AI 기반 센서는 비교할 수 없는 속도로 작물과 잎의 스펙트럼 신호를 감지합니다.

로렌스 버클리 국립 연구소(캘리포니아주 버클리)

Berkeley Lab의 과학자들은 먼저 작물(위) 또는 잎(아래)의 유형과 같은 예시 개체에서 관심 있는 스펙트럼 특징을 "스니핑"하는 지능형 센서를 개발했습니다. 그런 다음 번거로운 디지털 처리를 피하면서 이전에 본 적이 없는 새로운 환경에서 지정된 대상을 찾습니다. (이미지:Ali Javey/Berkeley Lab)

우리 눈에 보이는 RGB 스펙트럼 이상의 색상을 캡처하는 카메라인 스펙트럼 이미징 도구는 물체의 재료 및 구조적 특성에 대한 정보를 수집하는 데 필수적입니다. 이를 기계 학습과 결합함으로써 반도체 제조, 오염 물질 추적, 작물 모니터링 등 실제 응용 분야에서 기능을 식별할 수 있는 강력한 파이프라인을 제공했습니다.

에너지부 로렌스 버클리 국립 연구소(Berkeley Lab)의 연구원들은 AI 알고리즘을 카메라 센서 자체에 통합함으로써 오랫동안 스펙트럼 이미징 기술의 성능을 괴롭혀왔던 데이터 처리 병목 현상을 제거했습니다. 그 결과 신속하고 효율적으로 화학 물질을 식별하고 재료의 특성을 분석할 수 있는 지능형 센서가 탄생했습니다.

"우리는 기존 스펙트럼 머신 비전 기술의 속도, 해상도 및 전력 효율성을 2배 이상 향상시키는 데 중점을 두었습니다."라고 이 장치를 보고하는 Science 연구를 주도한 과학자 Ali Javey가 말했습니다. Javey는 Berkeley Lab의 수석 교수 과학자이자 UC Berkeley의 재료 과학 및 공학 교수입니다. 이 작업은 UCLA의 Aydogan Ozcan과 긴밀한 협력을 통해 수행되었습니다.

센서 설계는 반도체 장치 자체에 새로운 기능을 내장하여 효율성과 유용성을 향상하고 새로운 차원의 AI 비전 하드웨어를 구현하는 방법을 보여줍니다.

오늘날의 스펙트럼 이미징 기술에는 별도의 센서와 계산 모듈이 있습니다. 센서는 먼저 각 이미지가 특정 색상에 해당하는 이미지 스택을 캡처합니다. 그런 다음 조밀한 이미지 스택은 추가 계산을 위해 디지털 프로세서로 전송되어 객체 식별 결과를 생성합니다. 바로 여기서 문제가 발생합니다.

버클리 연구소 재료과학부 박사후 연구원이자 해당 연구의 주요 저자인 Dehui Zhang은 "센서는 일반 카메라보다 훨씬 더 많은 데이터를 수집하여 디지털 프로세서로 전송해야 하며, 이는 대략 10배에서 100배 더 큰 용량입니다."라고 말했습니다. 결과적으로 센서와 컴퓨터 하드웨어가 과부하되는 경우가 많아 물체 인식 작업이 매우 느리고 전력 소모가 심해집니다.

대신 버클리 연구소 팀은 이미지 캡처 또는 사진 감지 프로세스 자체에서 AI 계산 및 스펙트럼 분석을 수행하는 센서를 개발했습니다.

Zhang은 “광검출은 자동 물리적 계산 프로세스로 인식될 수 있습니다.”라고 설명했습니다. 빛이 센서에 닿으면 빛의 강도가 전류의 강도에 자동으로 매핑됩니다. 빛에 대한 센서의 반응성은 쉽게 조정될 수 있기 때문에 연구원들은 강조할 스펙트럼 특성과 억제할 스펙트럼 특성을 선택하기 위한 조정 손잡이를 가지고 있습니다. 따라서 회로에서 판독하기 위해 센서에서 나가는 전류는 이미지의 스펙트럼 내용에 대한 추론 역할을 합니다.

Zhang은 “우리는 계산 프로세스가 일반적으로 디지털 기계 학습에 사용되는 알고리즘과 수학적으로 유사하다는 것을 증명했습니다.”라고 말했습니다. 이러한 비유를 통해 센서를 기계 학습 컴퓨터로 사용하고 들어오는 빛 자체에 대해 기계 학습 계산을 수행할 수 있게 되었습니다.

Javey는 "저에게 가장 흥미로운 부분은 센서에 지능을 부여하는 개념입니다."라고 말했습니다. 일반 센서는 단순히 원시 환경 정보를 수집하고 지능형 인식 작업은 디지털 프로세서에 맡깁니다.

반도체 재료, 장치 및 알고리즘을 공동 설계함으로써 팀은 데이터의 디지털 후처리 없이도 센서가 학습하고 계산할 수 있도록 했습니다.

하지만 이 기술의 적용은 새를 식별하는 것 이상의 의미를 갖습니다. 연구진은 흑린 포토다이오드를 사용하여 몇 가지 다른 흥미로운 가능성을 실험적으로 입증했습니다. 그들은 제조 대기업이 완벽하게 균일해야 하는 반도체 샘플의 산화물 층 두께뿐만 아니라 다양한 식물 잎의 수화 상태, 광학 이미지의 물체 분할 및 페트리 접시의 투명한 화학 물질을 식별하는 데 성공했습니다.

Javey는 "저는 이러한 장치가 더 광범위한 응용 분야에 사용될 수 있을 것이라고 낙관하고 있습니다."라고 말했습니다. 미래에는 스마트 센서가 스펙트럼 머신 비전뿐만 아니라 "기타 고급 광학 감지 및 그 이상" 분야에서도 자리를 잡을 수 있을 것입니다.

자세한 내용은 문의하세요. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 보려면 JavaScript를 활성화해야 합니다.