Att särskilja COVID-19-infektion genom bildinlärning av lungröntgen. Kredit:Korea Institute of Science and Technology
För närvarande sprids AI-tjänster snabbt i det dagliga livet och i alla branscher. Dessa tjänster möjliggörs genom att koppla ihop AI-centra och terminaler, såsom mobila enheter, PC, etc. Denna metod ökar dock belastningen på miljön genom att förbruka mycket ström inte bara för att driva AI-systemet utan även för att överföra data. I tider av krig eller katastrofer kan den bli värdelös på grund av strömavbrott och nätverksfel, vars konsekvenser kan bli ännu allvarligare om det är en AI-tjänst inom livs- och säkerhetsområdet. Som nästa generations artificiell intelligensteknologi som kan övervinna dessa svagheter, drar uppmärksamheten till sig lågeffekts- och högeffektiv "in-sensor computing"-teknik som efterliknar informationsbehandlingsmekanismen i det mänskliga nervsystemet.
Korea Institute of Science and Technology (KIST, president Seok-Jin Yoon) meddelade att dess team ledd av Dr Suyoun Lee (Center for Neuromorphic Engineering) har lyckats utveckla "artificiella sensoriska neuroner" som kommer att vara nyckeln till den praktiska användningen av in-sensor beräkning. Neuroner förfinar enorma yttre stimuli (mottagna av sensoriska organ som ögon, näsa, mun, öron och hud) till information i form av spikar; och spelar därför en viktig roll för att göra det möjligt för hjärnan att snabbt integrera och utföra komplexa uppgifter som kognition, inlärning, resonemang, förutsägelse och bedömning med lite energi.
Ovonisk tröskelomkopplare (OTS) är en omkopplingsenhet med två terminaler som bibehåller ett högt motståndstillstånd (10–100 MΩ) under omkopplingsspänningen och uppvisar en kraftig minskning av motståndet över omkopplingsspänningen. I en prejudikatstudie utvecklade teamet en artificiell neuronenhet som efterliknar verkan av neuroner (integrera-och-elda) som genererar en spiksignal när insignalen överstiger en specifik intensitet.
3T-OTS-enheten tillhandahåller en plattform för att utveckla artificiella sensoriska neuroner, som genererar spikar som svarar på yttre stimuli. Kredit:Korea Institute of Science and Technology
Denna studie, publicerad i Nano Letters , introducerar en treterminals ovonic tröskelväljare (3T-OTS) enhet som kan styra omkopplingsspänningen för att simulera beteendet hos neuroner och snabbt hitta och abstrahera mönster bland stora mängder datainmatning till sensoriska organ. Genom att ansluta en sensor till den tredje elektroden på 3T-OTS-enheten, som omvandlar externa stimuli till spänning, var det möjligt att realisera en sensorisk neuronenhet som ändrar spikmönstren enligt de externa stimuli.
Forskargruppen lyckades förverkliga en artificiell visuell neuronanordning som efterliknar informationsbehandlingsmetoden för mänskliga sensoriska organ, genom att kombinera en 3T-OTS och en fotodiod. Dessutom, genom att ansluta en artificiell visuell neuronenhet med ett artificiellt neuralt nätverk som efterliknar hjärnans visuella centrum, kunde teamet särskilja COVID-19-infektioner från viral lunginflammation med en noggrannhet på cirka 86,5 % genom bildinlärning av röntgenstrålar från bröstet .
Dr Suyoun Lee, chef för KIST Center for Neuromorphic Engineering, sa:"Denna artificiella sensoriska neuronenhet är en plattformsteknik som kan implementera olika sensoriska neuronenheter som syn och beröring genom att ansluta med befintliga sensorer. Det är en avgörande byggnad block för in-sensor datorteknik."
Han förklarade också betydelsen av forskningen som "kommer att ge ett stort bidrag till att lösa olika sociala problem relaterade till liv och säkerhet, som att utveckla ett medicinskt bilddiagnostiksystem som kan diagnostisera samtidigt med undersökningar, förutsäga akut hjärtsjukdom genom tidsserier mönsteranalys av puls och blodtryck, och förverkligande av extrasensorisk förmåga att upptäcka vibrationer utanför den hörbara frekvensen för att förhindra olyckor med byggnadskollaps, jordbävningar, tsunamier, etc." + Utforska vidare
