Ingenjörer från Duke University och Institut de Physique de Nice i Frankrike har utvecklat en ny metod för att identifiera objekt med hjälp av mikrovågor som förbättrar noggrannheten samtidigt som den reducerar datortiden och energikraven.

Systemet skulle kunna ge ett lyft för objektidentifiering och hastighet i fält där båda är kritiska, såsom autonoma fordon, säkerhetskontroll och rörelseavkänning.

Det nya tillvägagångssättet för maskininlärning skär ut mellanhanden, hoppar över steget att skapa en bild för analys av en människa och analyserar istället den rena datan direkt. Den bestämmer också tillsammans optimala hårdvaruinställningar som avslöjar de viktigaste uppgifterna samtidigt som den upptäcker vad den viktigaste informationen faktiskt är. I en proof-of-princip-studie, installationen identifierade korrekt en uppsättning 3D-tal med hjälp av tiotals mätningar istället för de hundratals eller tusentals som vanligtvis krävs.

Resultaten visas online den 6 december i tidningen Avancerad vetenskap och är ett samarbete mellan David R. Smith, James B. Duke Distinguished Professor of Electrical and Computer Engineering vid Duke, och Roarke Horstmeyer, biträdande professor i biomedicinsk teknik vid Duke.

"Objektidentifieringsscheman tar vanligtvis mätningar och gör allt detta för att skapa en bild som folk kan titta på och uppskatta, " sa Horstmeyer. "Men det är ineffektivt eftersom datorn inte behöver "titta" på en bild alls."

"Detta tillvägagångssätt kringgår det steget och gör att programmet kan fånga detaljer som en bildbildande process kan missa samtidigt som man ignorerar andra detaljer om scenen som det inte behöver, " tillade Aaron Diebold, en forskningsassistent i Smiths lab. "Vi försöker i princip se objektet direkt från maskinens ögon."

I studien, forskarna använder en metamaterialantenn som kan forma en mikrovågsfront i många olika former. I detta fall, metamaterialet är ett 8x8 rutnät av rutor, som var och en innehåller elektroniska strukturer som gör att den kan ställas in dynamiskt för att antingen blockera eller sända mikrovågor.

För varje mätning, den intelligenta sensorn väljer ut en handfull rutor för att låta mikrovågor passera igenom. Detta skapar ett unikt mikrovågsmönster, som studsar av föremålet som ska kännas igen och återgår till en annan liknande metamaterialantenn. Avkänningsantennen använder också ett mönster av aktiva kvadrater för att lägga till ytterligare alternativ för att forma de reflekterade vågorna. Datorn analyserar sedan den inkommande signalen och försöker identifiera objektet.

Genom att upprepa denna process tusentals gånger för olika varianter, maskininlärningsalgoritmen upptäcker så småningom vilka bitar av information som är de viktigaste samt vilka inställningar på både sändande och mottagande antenner som är bäst på att samla in dem.

"Sändaren och mottagaren agerar tillsammans och är designade tillsammans av maskininlärningsalgoritmen, " sa Mohammadreza Imani, forskningsassistent i Smiths labb. "De är gemensamt utformade och optimerade för att fånga de funktioner som är relevanta för den aktuella uppgiften."

"Om du känner till din uppgift, och du vet vilken scen du kan förvänta dig, du kanske inte behöver fånga all information som möjligt, "sade Philipp del Hougne, en postdoktor vid Institut de Physique de Nice. "Denna samdesign av mätning och bearbetning gör att vi kan använda all den a priori kunskap vi har om uppgiften, scen- och mätbegränsningar för att optimera hela avkänningsprocessen. "

Efter träning, maskininlärningsalgoritmen landade på en liten grupp inställningar som kunde hjälpa den att skilja datas vete från agnarna, minska antalet mätningar, tid och beräkningskraft den behöver. Istället för de hundratals eller till och med tusentals mätningar som vanligtvis krävs av traditionella mikrovågsavbildningssystem, den kunde se föremålet i mindre än 10 mätningar.

Huruvida denna förbättringsnivå skulle skalas upp till mer komplicerade avkänningsapplikationer är en öppen fråga. Men forskarna försöker redan använda sitt nya koncept för att optimera handrörelse och gestigenkänning för nästa generations datorgränssnitt. Det finns många andra domäner där förbättringar av mikrovågsavkänning behövs, och den lilla storleken, låg kostnad och enkel tillverkning av dessa typer av metamaterial gör dem till lovande kandidater för framtida enheter.

"Mikrovågor är idealiska för applikationer som upptäckt av dold hot, identifiera föremål på vägen för förarlösa bilar eller övervaka för nödsituationer i vårdboende, " sa del Houghne. "När du tänker på alla dessa applikationer, du behöver avkänningen för att vara så snabb som möjligt, så vi hoppas att vårt tillvägagångssätt kommer att vara användbart för att göra dessa idéer tillförlitliga verklighet."