I ricercatori della Oregon State University stanno facendo progressi chiave con un nuovo tipo di sensore ottico che imita più da vicino la capacità dell'occhio umano di percepire i cambiamenti nel suo campo visivo.

Il sensore è un importante passo avanti per campi come il riconoscimento delle immagini, robotica e intelligenza artificiale. I risultati del ricercatore dell'OSU College of Engineering John Labram e della studentessa Cinthya Trujillo Herrera sono stati pubblicati oggi in Lettere di fisica applicata .

Tentativi precedenti di costruire un tipo di dispositivo per l'occhio umano, chiamato sensore retinomorfo, hanno fatto affidamento su software o hardware complesso, disse Labram, assistente professore di ingegneria elettrica e informatica. Ma il funzionamento del nuovo sensore fa parte del suo design fondamentale, utilizzando strati ultrasottili di semiconduttori di perovskite, ampiamente studiati negli ultimi anni per il loro potenziale di energia solare, che cambiano da forti isolanti elettrici a forti conduttori quando posti alla luce.

"Puoi immaginarlo come un singolo pixel che fa qualcosa che attualmente richiederebbe un microprocessore, " disse Labram, che sta guidando lo sforzo di ricerca con il supporto della National Science Foundation.

Il nuovo sensore potrebbe essere un abbinamento perfetto per i computer neuromorfici che alimenteranno la prossima generazione di intelligenza artificiale in applicazioni come le auto a guida autonoma, robotica e riconoscimento avanzato delle immagini, ha detto Labram. A differenza dei computer tradizionali, che elaborano le informazioni in sequenza come una serie di istruzioni, i computer neuromorfici sono progettati per emulare le reti massicciamente parallele del cervello umano.

"Le persone hanno provato a replicarlo nell'hardware e hanno avuto un discreto successo, "Labram ha detto. "Tuttavia, anche se gli algoritmi e l'architettura progettati per elaborare le informazioni stanno diventando sempre più simili a un cervello umano, le informazioni che questi sistemi ricevono sono ancora decisamente progettate per i computer tradizionali."

In altre parole:per raggiungere il suo pieno potenziale, un computer che "pensa" più come un cervello umano ha bisogno di un sensore di immagine che "veda" più come un occhio umano.

Un organo straordinariamente complesso, l'occhio contiene circa 100 milioni di fotorecettori. Però, il nervo ottico ha solo 1 milione di connessioni al cervello. Ciò significa che una quantità significativa di pre-elaborazione e compressione dinamica deve avvenire nella retina prima che l'immagine possa essere trasmessa.

Come risulta, il nostro senso della vista è particolarmente adatto a rilevare oggetti in movimento ed è relativamente "meno interessato" alle immagini statiche, ha detto Labram. Così, i nostri circuiti ottici danno la priorità ai segnali dei fotorecettori che rilevano un cambiamento nell'intensità della luce:puoi dimostrarlo da solo fissando un punto fisso fino a quando gli oggetti nella tua visione periferica iniziano a scomparire, un fenomeno noto come effetto Troxler.

Tecnologie di rilevamento convenzionali, come i chip delle fotocamere digitali e degli smartphone, sono più adatti all'elaborazione sequenziale, ha detto Labram. Le immagini vengono scansionate attraverso una serie bidimensionale di sensori, pixel per pixel, a una frequenza prestabilita. Ogni sensore genera un segnale con un'ampiezza che varia direttamente con l'intensità della luce che riceve, il che significa che un'immagine statica risulterà in una tensione di uscita più o meno costante dal sensore.

Al contrario, il sensore retinomorfo rimane relativamente silenzioso in condizioni statiche. Registra un breve, segnale acuto quando rileva un cambiamento nell'illuminazione, quindi torna rapidamente al suo stato di base. Questo comportamento è dovuto alle proprietà fotoelettriche uniche di una classe di semiconduttori noti come perovskiti, che hanno mostrato grandi promesse come nuova generazione, materiali per celle solari a basso costo.

Nel sensore retinomorfo di Labram, la perovskite viene applicata in strati ultrasottili, spessore di poche centinaia di nanometri, e funziona essenzialmente come un condensatore che varia la sua capacità sotto l'illuminazione. Un condensatore immagazzina energia in un campo elettrico.

"Il modo in cui lo testiamo è, fondamentalmente, lo lasciamo al buio per un secondo, poi accendiamo le luci e le lasciamo accese, " disse. "Non appena la luce si accende, ottieni questo grande picco di tensione, quindi la tensione decade rapidamente, anche se l'intensità della luce è costante. Ed è quello che vogliamo".

Sebbene il laboratorio di Labram attualmente possa testare solo un sensore alla volta, il suo team ha misurato una serie di dispositivi e ha sviluppato un modello numerico per replicare il loro comportamento, arrivando a quello che Labram ritiene "un buon abbinamento" tra teoria ed esperimento.

Ciò ha permesso al team di simulare una serie di sensori retinomorfi per prevedere come una videocamera retinomorfa avrebbe risposto allo stimolo in ingresso.

"Possiamo convertire il video in un insieme di intensità luminose e poi inserirlo nella nostra simulazione, " Disse Labram. "Le regioni in cui si prevede un'uscita a tensione più elevata dal sensore si illuminano, mentre le regioni a bassa tensione rimangono scure. Se la fotocamera è relativamente statica, puoi vedere chiaramente che tutte le cose che si muovono rispondono con forza. Questo rimane ragionevolmente fedele al paradigma del rilevamento ottico nei mammiferi".

Una simulazione che utilizza filmati di un allenamento di baseball dimostra i risultati attesi:i giocatori sul campo si presentano chiaramente visibili, oggetti luminosi in movimento. Oggetti relativamente statici:il diamante da baseball, le gradinate, anche gli esterni, svaniscono nell'oscurità.

Una simulazione ancora più sorprendente mostra un uccello che vola in vista, poi quasi scomparendo mentre si ferma a una mangiatoia per uccelli invisibile. L'uccello riappare mentre decolla. L'alimentatore, dondolare, diventa visibile solo quando inizia a muoversi.

"La cosa buona è che, con questa simulazione, possiamo inserire qualsiasi video in uno di questi array ed elaborare tali informazioni essenzialmente nello stesso modo in cui lo farebbe l'occhio umano, "Labram ha detto. "Per esempio, puoi immaginare che questi sensori vengano utilizzati da un robot che segue il movimento degli oggetti. Qualsiasi cosa statica nel suo campo visivo non susciterebbe una risposta, tuttavia un oggetto in movimento registrerebbe un'alta tensione. Questo avrebbe detto immediatamente al robot dove si trovava l'oggetto, senza alcuna complessa elaborazione delle immagini."