Sagen Sie Nein zu Auswahlschwierigkeiten, KI kann Ihnen bei der Auswahl der Kleidung helfen!

Produziert von: Science Popularization China

Autor: Wu Xiaosong (Fujian-Institut für Forschung zur Struktur der Materie, Chinesische Akademie der Wissenschaften)

Hersteller: China Science Expo

„Hey, KI, ich habe heute Abend ein Date, hilf mir, ein Outfit auszusuchen!“

„Okay, Meister!“

…

Diese Szene kann mittlerweile nicht nur in Science-Fiction-Filmen vorkommen, sondern auch in der Realität passieren!

Am 28. Januar 2023 veröffentlichte das Team um den Forscher Huang Weiguo vom Fujian Institute of Research on the Structure of Matter der Chinesischen Akademie der Wissenschaften und das Team um Professor Wang Zhongrui von der Universität Hongkong einen Artikel, in dem eine neue Art optoelektronischer Materialien und Geräte vorgestellt wurde, mit deren Hilfe das Ziel erreicht werden kann, das menschliche Gehirn durch KI zu ersetzen und unterschiedliche Kleidungsmoden zu erkennen.

Der erste Schritt der KI bei der Kleiderwahl: „Sensorik und Berechnung in einem“

Die Technologie ähnelt einem tragbaren künstlichen Auge, das verschiedene Arten von Bildern erfassen und erkennen kann. Wenn dieses Ziel erreicht werden kann, eröffnet es neue Perspektiven für die zukünftige Entwicklung der künstlichen Intelligenztechnologie.

Wie erreichen wir das? Der erste ist die gezielte Gestaltung der Materialien.

Die menschliche Netzhaut kann Lichtsignale wahrnehmen, verschiedene dynamische Bilder sammeln und vorverarbeiten und den nächsten Schritt der visuellen Wahrnehmung ermöglichen. Damit KI über visuelle Intelligenz verfügt, müssen auch ähnliche Funktionen implementiert werden. Allerdings sind die Einheiten zur Signalwahrnehmung, Speicherung und Verarbeitung herkömmlicher Silizium-Vision-Chips voneinander unabhängig, und die Datenübertragung und Analog-Digital-Umwandlung zwischen ihnen verbraucht viel Energie und begrenzt die Rechengeschwindigkeit. Und mit der Verlangsamung des Mooreschen Gesetzes wird diese Einschränkung noch gravierender werden.

Daher ist die Erforschung neuer technischer Wege, die Entwicklung neuer optoelektronischer Materialien und Geräte und deren Ausstattung mit den Eigenschaften der „Wahrnehmung und Computerintegration“ von großer Bedeutung für die Realisierung von Edge-Computing-Geräten mit geringem Stromverbrauch und hoher Rechengeschwindigkeit.

Hervorragende Halbleitermaterialien können ein „Gedächtnis“ haben

Um Wahrnehmung und Berechnung zu integrieren, müssen wir zunächst die „Wahrnehmung“ realisieren, also das vorübergehende Gedächtnisverhalten.

Die Forscher schlugen eine Material-Algorithmus-Codesign-Strategie vor , um ein halbleitendes Polymer ( p -NDI**) mit effizienter Exzitonentrennung und Raumladungstransporteigenschaften zu entwickeln . **

Abbildung 1 Morphologische Analyse des p-NDI-Films

(Bildquelle: Referenzen)

Wenn Licht auf einen Halbleiter fällt, werden normalerweise einige Exzitonen im Halbleiter erzeugt. Ein Exziton ist ein Komplex aus einem Elektron und einem Loch (Abbildung 1i). Die nach der Zersetzung der Exzitonen entstehenden Elektronen nehmen am Ladungstransfer teil und erhöhen dadurch den Fotostrom.

Aufgrund der Coulomb-Kraft verbinden sich Elektronen und Löcher jedoch schließlich und vernichten sich, wodurch die Zahl der am Ladungstransport des p-NDI-Halbleiters beteiligten Elektronen allmählich abnimmt, was wiederum zu einer langsamen Abnahme des Stroms führt (Abbildung 1k) und ein vorübergehendes Speicherverhalten erzeugt.

Abbildung 2: Vergleich der Fotostromreaktion von konventionellen Halbleitern und p-NDI sowie detaillierte Halbleiter-Designprinzipien des sensorseitigen RC-Systems

(Bildquelle: Referenzen)

Wie aus der obigen Abbildung ersichtlich ist, kehrt der Strom des Transistors aus herkömmlichen Halbleitern nach dem Entfernen des Lichts sofort auf den Anfangswert zurück oder es gibt fast keinen Fotostrom.

Nach dem Entfernen des Lichts nimmt der Strom des auf p-NDI basierenden Transistors mit der Zeit nichtlinear ab, wodurch ein vorübergehendes Gedächtnisverhalten entsteht, das einer Art Gedächtnis im menschlichen Gehirn ähnelt. Wenn wir beispielsweise ein Kleidungsstück sehen, bleibt es für kurze Zeit in unserem Gedächtnis haften und verschwindet dann langsam. Dieser Vorgang ist ein flüchtiges Gedächtnis.

Diese Eigenschaften sind für die optische Signalvorverarbeitung und für die Durchführung von „Reservoir Computing“ in optoelektronischen Sensoren von entscheidender Bedeutung.

Durch experimentelle Analyse zeigten die Forscher, dass p-NDI eine relativ regelmäßige Orientierung außerhalb der Ebene und eine schlechte Orientierung innerhalb der Ebene aufweist. Eine solche Struktur gewährleistet nicht nur einen effektiven räumlichen Ladungstransport, sondern kontrolliert auch die Geschwindigkeit der räumlichen Rekombination von Elektronen und Löchern (Abbildung 1i). Alle diese Eigenschaften tragen zum hervorragenden Fotoreaktionsverhalten und den transienten Speichereigenschaften von p-NDI-basierten Transistoren bei.

Die Geburt des Vision Chips

Abbildung 3 Schematische Darstellung des optischen Multitasking-Lernens

(Bildquelle: Referenzen)

Abbildung 4: Ereignisbasierte Videoklassifizierung mithilfe des DVSGesture128-Datensatzes

(Bildquelle: Referenzen)

Die Forscher verwendeten die oben genannten Halbleitermaterialien, um einen neuronalen Vision-Chip mit „Reservoir Computing“-Technologie und Multitasking-Erkennungsfunktionen herzustellen (Abbildung 4). Nach mehreren Simulationen, Übungen und Überprüfungen lagen die Erkennungsraten des „Reservoir Computing“-Geräts für handgeschriebene Buchstaben, Zahlen und Kleidung bei 98,04 %, 88,18 % bzw. 91,76 %. Darüber hinaus liegt die Erkennungsrate für verschiedene dynamische Gesten (Winken mit der linken Hand, Winken mit der rechten Hand und Klatschen) bei bis zu 98,62 % (Abbildung 4).

Diese Technologie überwindet nicht nur den Engpass des hohen Energieverbrauchs in herkömmlichen Sensor-Computer-Systemen, sondern bietet auch eine vielversprechende Material-Algorithmus-Co-Design-Strategie für tragbare, erschwingliche und effiziente photonische neuromorphe Systeme mit Multitasking-Lernfähigkeiten.

Welche Verbindung besteht also zwischen diesen technologischen Designs und unserem wirklichen Leben?

Sie sehen zwar sehr „hochwertig“ aus, sind aber tatsächlich aus unserem Alltag nicht mehr wegzudenken und machen unser Leben bequemer. Beispielsweise können künstliche Sehchips Menschen mit Sehbehinderungen zweifellos dabei helfen, die Welt wieder klar zu „sehen“ und verschiedene durch Sehbehinderungen verursachte Probleme im Leben loszuwerden. Der integrierte Sensor- und Computer-Vision-Chip kann mit seiner leistungsstarken Rechenleistung zudem die Straßenverhältnisse schnell beurteilen und so für mehr Sicherheit beim autonomen Fahren sorgen. Natürlich gibt es noch viele weitere Anwendungsszenarien...

Zusammenfassung

Durch die Zusammenarbeit von Materialien und Algorithmen könnten wir in nicht allzu ferner Zukunft tatsächlich einen KI-Butler haben, der uns bei der Auswahl von Kleidung helfen kann. Der Gedanke daran ist in der Tat ein wenig aufregend!

Hinweis: Die zu diesem Artikel gehörende Forschung wurde in Nature Communications veröffentlicht und der Titel des Dokuments lautet „Wearable in-sensor reservoir computing using optoelectronic polymers with through-space charge-transport characteristics for multi-task learning“.

Herausgeber: Sun Chenyu