La puce photonique intègre la détection et l'informatique pour une vision industrielle ultrarapide
Les chercheurs ont démontré une nouvelle puce informatique de détection photonique intelligente capable de traiter, transmettre et reconstruire les images d’une scène en quelques nanosecondes. Cette avancée ouvre la porte à un traitement d’image extrêmement rapide qui pourrait bénéficier à l’intelligence de pointe pour les applications de vision industrielle telles que la conduite autonome, l’inspection industrielle et la vision robotique.
L'informatique de pointe, qui effectue des tâches informatiques intensives telles que le traitement et l'analyse d'images sur des appareils locaux, évolue vers l'intelligence de pointe en ajoutant une analyse et une prise de décision basées sur l'intelligence artificielle (IA).
« La capture, le traitement et l'analyse d'images pour des tâches de pointe telles que la conduite autonome sont actuellement limités à des vitesses de l'ordre de la milliseconde en raison de la nécessité de conversions optique-électronique », a déclaré Lu Fang, chef de l'équipe de recherche de l'Université Tsinghua en Chine.
« Notre nouvelle puce peut effectuer tous ces processus en quelques nanosecondes seulement en les gardant tous dans le domaine optique. Cela pourrait être utilisé pour améliorer considérablement, voire remplacer, l'architecture traditionnelle d'acquisition de capteurs suivie du post-traitement de l'IA. »
Dans Optique les chercheurs décrivent la nouvelle puce, qu’ils appellent puce OPCA (Optical Parallel Computational Array). Ils montrent que l’OPCA dispose d’une bande passante de traitement allant jusqu’à cent milliards de pixels et d’un temps de réponse de seulement 6 nanosecondes, soit environ six ordres de grandeur plus rapide que les méthodes actuelles. Ils ont également utilisé la puce pour créer un réseau neuronal optique intégrant la perception, le calcul et la reconstruction d’images.
« La puce et le réseau neuronal optique pourraient augmenter l'efficacité du traitement de scènes complexes lors de l'inspection industrielle et contribuer à faire progresser la technologie des robots intelligents vers un niveau supérieur d'intelligence cognitive », a déclaré Wei Wu, co-premier auteur de l'article. « Nous pensons que cela pourrait également révolutionner l'intelligence de pointe. »
Élimination des conversions optique-électrique
La vision industrielle, qui utilise des caméras, des capteurs d'images, des éclairages et des algorithmes informatiques pour capturer, traiter et analyser des images pour des tâches spécifiques, implique traditionnellement la conversion d'informations optiques en signaux électriques numériques à l'aide de capteurs. Ces signaux sont ensuite transmis sur des fibres optiques pour la transmission de données longue distance et les tâches en aval.
Cependant, la conversion fréquente entre les signaux optiques et électriques ainsi que les progrès limités des processeurs électroniques sont devenus une restriction majeure à l'amélioration de la vitesse et de la capacité de traitement de la vision industrielle.
« Le monde entre dans l'ère de l'IA, mais l'IA est très gourmande en temps et en énergie », a déclaré Fang. « Entre-temps, la croissance des appareils de pointe, tels que les smartphones, les voitures intelligentes et les ordinateurs portables, a entraîné une croissance explosive des données d'image à traiter, transmettre et afficher. Nous travaillons à faire progresser la vision industrielle en intégrant la détection et l'informatique dans le domaine optique, ce qui est particulièrement important pour l’informatique de pointe et pour permettre des applications d’IA plus durables. »
Le défi consistant à effectuer à la fois l'acquisition et l'analyse d'images sur la même puce dans le domaine optique consiste à trouver un moyen de convertir la lumière spatiale en espace libre utilisée pour l'imagerie en une onde lumineuse guidée sur puce.
Les chercheurs y sont parvenus en concevant une puce composée d'un réseau de calcul de détection de résonateurs en anneau dédiés qui convertissent une image d'intensité optique en espace libre (une représentation 2D de l'intensité lumineuse d'une scène) en un signal lumineux cohérent qui peut ensuite être guidé. sur la puce. Un réseau de micro-lentilles améliore le processus en focalisant la scène sur la puce OPCA.
Création d'une connexion entrée-sortie entièrement optique
L'architecture de la puce a permis aux chercheurs de créer un réseau neuronal optique multi-longueurs d'onde de bout en bout pour coupler la lumière modulée sur la puce dans un guide d'onde optique à large bande passante, où la lumière modulée est additionnée spectralement. Les sorties optiques multispectrales peuvent ensuite être utilisées pour des tâches de classification ou pour créer une reconstruction entièrement optique de l'image.
« Comme chaque élément de calcul et de détection de cette puce est reconfigurable, ils peuvent chacun fonctionner comme un neurone programmable qui génère une sortie de modulation de lumière en fonction de l'entrée et du poids », a déclaré Fang.
« Le réseau neuronal connecte tous les neurones informatiques de détection avec un seul guide d'ondes, facilitant ainsi une connexion entièrement optique entre les informations d'entrée et la sortie. »
Pour démontrer les capacités de la puce OPCA, les chercheurs ont montré qu'elle pouvait être utilisée pour classer une image manuscrite et effectuer une convolution d'image, un processus qui applique un filtre à une image pour en extraire des caractéristiques. Les résultats ont montré que l’architecture de la puce peut compléter efficacement la compression des informations et la reconstruction de scènes, ce qui indique son potentiel pour des applications généralisées.
Les chercheurs travaillent actuellement à l’amélioration de la puce OPCA de calcul de détection afin d’améliorer encore les performances de calcul tout en étant plus étroitement alignée sur les scénarios du monde réel et optimisée pour les applications informatiques de pointe.
Les chercheurs affirment que pour une utilisation pratique, la capacité de traitement du réseau neuronal optique devrait être augmentée pour gérer efficacement des tâches intelligentes de plus en plus complexes et réalistes. Le facteur de forme de la puce OPCA et le facteur de forme global doivent également être minimisés.
« Nous espérons que la vision industrielle sera progressivement améliorée pour être plus rapide et plus économe en énergie en utilisant la lumière pour effectuer à la fois la détection et le calcul », a déclaré Fang.
« Même si l'approche actuelle ne sera probablement pas complètement remplacée, nous espérons que la méthode de calcul par détection trouvera sa place dans l'informatique de pointe, où elle pourra piloter un large éventail d'applications prometteuses. »
