Una lente front-end, o meta-imager, creata presso la Vanderbilt University può potenzialmente sostituire l'ottica di imaging tradizionale nelle applicazioni di visione artificiale, producendo immagini a velocità più elevata e utilizzando meno energia.
La nanostrutturazione del materiale della lente in un filtro meta-imager riduce la lente ottica tipicamente spessa e consente l'elaborazione front-end che codifica le informazioni in modo più efficiente. Gli imager sono progettati per funzionare di concerto con un backend digitale per scaricare operazioni computazionalmente costose in ottiche ad alta velocità e a basso consumo. Le immagini prodotte hanno applicazioni potenzialmente ampie nei sistemi di sicurezza, nelle applicazioni mediche e nell'industria governativa e della difesa.
Il professore di ingegneria meccanica Jason Valentine, vicedirettore del Vanderbilt Institute of Nanoscale Science and Engineering, e il meta-imager proof-of-concept dei suoi colleghi sono descritti in un articolo pubblicato su Nature Nanotechnology .
Altri autori includono Yuankai Huo, assistente professore di informatica; Xiamen Zhang, studioso post-dottorato in ingegneria meccanica; Hanyu Zheng, Ph.D., ora associato post-dottorato al MIT; e Quan Liu, un dottorato di ricerca. studente di informatica; e Ivan I. Kravchenko, membro senior dello staff di ricerca e sviluppo presso il Center for Nanophase Materials Sciences, Oak Ridge National Laboratory.
Questa architettura di un meta-imager può essere altamente parallela e colmare il divario tra il mondo naturale e i sistemi digitali, notano gli autori. "Grazie alla sua compattezza, all'alta velocità e al basso consumo energetico, il nostro approccio potrebbe trovare un'ampia gamma di applicazioni nell'intelligenza artificiale, nella sicurezza delle informazioni e nelle applicazioni di visione artificiale", ha affermato Valentine.
La progettazione metaottica del team è iniziata ottimizzando un'ottica comprendente due lenti di metasuperficie che servono a codificare le informazioni per un particolare compito di classificazione degli oggetti. Sono state fabbricate due versioni sulla base di reti addestrate su un database di numeri scritti a mano e un database di immagini di abbigliamento comunemente utilizzate per testare vari sistemi di apprendimento automatico. Il meta-imager ha raggiunto una precisione del 98,6% nei numeri scritti a mano e dell'88,8% nelle immagini dei vestiti.
Ulteriori informazioni: Hanyu Zheng et al, Meta-imager multicanale per accelerare la visione artificiale, Nature Nanotechnology (2024). DOI:10.1038/s41565-023-01557-2
Informazioni sul giornale: Nanotecnologia naturale
Fornito dalla Vanderbilt University
