Innovation aus Wien

Neuer Chip erkennt Objekte, ohne Fotos zu machen

04.03.2020 17:00

Einen neuartigen Bildsensor, der in Sekundenbruchteilen Objekte erkennen kann, stellen Wiener Forscher im Fachjournal „Nature“ vor. Der Clou daran: Das Erkennen geschieht nicht durch aufwendige nachträgliche Analyse von Bildern am Computer, die Wissenschaftler trainieren ihren auf Basis eines ultradünnen Materials entwickelten Chip direkt auf jene Strukturen, die er identifizieren soll.

Das wird erreicht, indem der Sensor selbst eine Art neuronales Netz darstellt, das durch Erfahrung lernen kann. Solche Netze sind eine der Grundlagen von maschinellem Lernen und in ihrem Aufbau der Struktur unserer Nervenzellen im Gehirn ähnlich: Werden einzelne Neuronen durch einen Reiz zum Feuern gebracht, steigt die Wahrscheinlichkeit, dass auch mit ihr verbundene Nervenzellen in ihrer Umgebung aktiv werden. Wiederholt sich dieser Vorgang, werden die Verbindungen zwischen diesen Neuronen stärker.

Beim maschinellen Lernen geht man ähnlich vor: Hier wird ein ebensolches digitales, neuronales Netz aufgebaut und die Stärke der einzelnen Verbindungen so lange abgestimmt, bis das System die gewünschten Ergebnisse produziert. Das kann etwa das zuverlässige Erkennen von Personen durch autonom fahrende Autos sein.

Fotodetektor aus Wolframdiselenid
Die Forschungsgruppe um Thomas Müller vom Institut für Photonik der Technischen Universität (TU) Wien arbeitet an sogenannten 2D-Materialien, die nur wenige Atomschichten dick sind. In diesem Rahmen entwickelten die Wissenschaftler einen neuartigen Fotodetektor aus Wolframdiselenid, dessen Lichtempfindlichkeit exakt eingestellt werden kann.

Während bei herkömmlichen Kameras jeder Bildpunkt (Pixel) einzeln ausgelesen wird, „schalten wir bei unserer ‘Kamera‘ die Pixel mit ihren benachbarten zusammen - und zwar so, dass sie ein neuronales Netz bilden“, sagte Müller. „Trainiert“ wird bei diesem Netz die Empfindlichkeit der einzelnen Detektorelemente.

Chip lernt durch Bildprojektionen
Gelernt wird an auf den Sensor projizierten Bildern. „Im Lernprozess werden die Empfindlichkeiten immer wieder angepasst, bis der Chip den Output liefert, den wir uns erhoffen. Das können etwa die Buchstaben ‘n‘, ‘v‘ und ‘z‘ sein, wie wir in der Arbeit zeigen, oder auch jedes beliebige andere Bild“, erklärte Müller. Der Chip könne aber etwa auch auf Fußbälle oder Sonnenuntergänge trainiert werden. Das Üben könnte zukünftig auch am Computer stattfinden und die gewichteten Lichtempfindlichkeiten dann auf den Chip geladen werden, so der Forscher.

Wenig Speicherplatz und Rechenkraft nötig
Stimmt das detektierte Muster mit dem Gelernten überein, schlägt der Sensor selbstständig innerhalb von 50 Nanosekunden an, wenn ihm das bekannte Objekt unterkommt. Das sei nicht nur weit schneller als bei herkömmlichen Bilderkennungsverfahren, es werden auch keine rechenintensiven Bilder aufgenommen und damit kaum Speicherplatz und Rechenkapazität benötigt. Der Nachteil sei, dass die gesuchten Strukturen nicht beliebig komplex sein können, „es ist wahrscheinlich weniger dazu geeignet, einzelne Hunderassen voneinander zu unterscheiden“, sagte Müller.

Hilfreich wäre das System aber vor allem im wissenschaftlichen Bereich, wenn es etwa in physikalischen Experimenten bestimmte Strukturen, wie die Ausbreitung von Rissen, Turbulenzen oder winzige Teilchen nachzuweisen gilt. Für das Team von der TU geht es jetzt darum, ihren noch relativ kleinen Chip zu vergrößern.