새로운 인공지능(AI)칩 이미지 센서는 사물 인식을 더 빠르고 효율적으로 만든다.

오스트리아 비엔나 공대(Vienna University of Technology) 포토닉스 연구소 연구원들은 아날로그 이미지 센서 내 기계 학습(machine learning)을 적용해 컴퓨터 비전(computer vision)을 가속화하는 방법을 개발했다.

작은 칩에 빛 감지 장치와 인공 신경망을 결합해 만든 새로운 장치는 기존 이미지 센서보다 훨씬 빠르게 몇 나노 초 만에 대상을 인식, 분류할 수 있다.

비엔나공대 광학 연구소(Institute of Photonics) 연구원들이 4일 과학저널 네이처(Nature)에 발표한 이 디자인은 동물의 눈이 시각 정보를 뇌로 전달하기 전에 사전 처리하는 방식을 모방한다.

컴퓨터 비전은 무인 드론, 자율주행 자동차에서 산업용 로봇, 스마트 센서에 이르기까지 AI의 많은 응용 분야에서 핵심이다.

대부분의 이미지 인식에는 많은 컴퓨팅 성능이 필요하다. 핵심 문제는 이미지 분류에 유용한 지 여부에 관계없이 막대한 양의 시각적 데이터를 캡처하는 기존 센서의 병목 현상이다.

모든 데이터를 처리하면 속도가 느려진다. 데이터를 변환하거나 전달하지 않고 동시에 이미지를 캡처하고 처리하는 센서는 훨씬 적은 전력으로 이미지 인식을 훨씬 빠르게 만다.

연구팀은 단 몇 원자 두께의 텅스텐 디셀레나이드(tungsten diselenide) 시트로 칩을 제작해 광 감지 다이오드로 에칭했다. 그런 다음 신경망을 형성하기 위해 다이오드를 배선했다.

칩을 만드는 데 사용되는 재료는 고유한 전기적 특성을 제공, 네트워크 노드인 다이오드의 감광성을 외부에서 조정할 수 있다. 올바른 응답을 줄 때까지 다이오드의 감도를 조정해 시각적 정보를 분류하도록 네트워크를 훈련시킬 수 있음을 의미한다.

연구자들이 고안한 장치는 이미지를 제작하기 위한 것이 아니다. 대신 불필요한 데이터를 필터링하고 일부 초기 정렬을 수행한다. 연구원들은 그들의 장치에 3개의 간단한 글자를 분류하도록 훈련했다. 스마트 칩은 문자 n, v 및 z의 픽셀 화 된 버전을 인식, 주어진 이미지들을 기반으로 기본적인 자동 인코딩을 수행했다.

칩의 디자인은 여전히 개념 증명 단계로 해결해야 할 문제들도 있다. 27개의 탐지기로 구성된 눈은 고르지 않은 3×3 이미지를 처리 할 수 없다. 그럼에도 불구하고, 칩은 문자의 분류 및 인코딩을 포함해 여러 지도 학습과 비지도 학습 작업을 수행할 수 있다.

*reference

Lukas Mennel et al. Ultrafast machine vision with 2D material neural network image sensors, Nature (2020). DOI: 10.1038/s41586-020-2038-x