دستگاه شناسایی اشیای مبتنی بر هوش مصنوعی
همانند بسیاری از شبکه‌های عصبی دیگر، عملکرد این دستگاه چاپ سه‌بعدی مشابه با عملکرد مغز انسان است. با این حال، این دستگاه خاص با سرعت نور عمل می‌کند. این نوآوری ویژه دانشگاه کالیفرنیا، لس‌آنجلس، به‌وسیله دو سیستم استاندارد تشخیص، توسعه یافته است. دستگاه مذکور از یک شبکه عصبی که «شبکه عصبی عمیق پراکنده» (diffractive deep neural network) نامیده می‌شود، استفاده می‌کند و به نور منعکس شده از اشیا نفوذ کرده و با این کار اشیا را سریع‌تر از یک رایانه معمولی شناسایی می‌کند. این دستگاه چاپ سه‌بعدی نه تنها از یک برنامه کامپیوتری پیشرفته استفاده نمی‌کند بلکه برای اجرا حتی به الکتریسیته نیز نیاز ندارد، زیرا این دستگاه با پراکندگی نور عمل می‌کند. «ایدوگان اوزکان» (Aydogan Ozcan)، پژوهشگر اصلی این مطالعه و استاد مهندسی برق و کامپیوتر دانشگاه کالیفرنیا لس‌آنجلس گفت: این کار فرصت‌های بنیادین جدیدی را برای استفاده از دستگاه مبتنی بر هوش مصنوعی که بلافاصله داده‌ها، تصاویر و اشیا را تجزیه و تحلیل کند، فراهم می‌سازد.
اوزکان در ادامه افزود: این دستگاه شبکه عصبی مصنوعی نوری به‌طور مستقیم براساس نحوه عملکرد مغز اطلاعات را مدل‌سازی می‌کند. این تیم از یک شبیه‌سازی کامپیوتری به‌عنوان چارچوبی برای ساختن شبکه عصبی مصنوعی استفاده کردند. سپس از یک چاپگر سه‌بعدی برای ساخت ورقه‌های پیچیده و نازک ۸ سانتی‌متر قرص‌های سیلیکون استفاده کردند. «قرص سیلیسیوم» یا «قرص سیلیکون» (Silicon wafer) یک برش نازک از یک نیمه رسانا مانند بلورهای سیلیسیوم است که در ساخت تراشه‌های الکترونیکی و دیگر ریزابزارها کاربرد دارد. این لایه‌های سیلیکون سبب می‌شوند تا فرکانس‌های طول موج ساب‌میلی‌متری(submillimeter-wavelength frequencies) بتوانند از طریق آنها عبور کنند. این قرص‌ها و پیکسل‌های آنها یک «شبکه نوری» ایجاد می‌کنند که به شناسایی یک شی‌ء کمک می‌کند.
ارسال نظر