Des chercheurs de l'Oregon State University réalisent des avancées majeures avec un nouveau type de capteur optique qui imite plus fidèlement la capacité de l'œil humain à percevoir les changements dans son champ visuel.

Le capteur est une avancée majeure pour des domaines tels que la reconnaissance d'images, robotique et intelligence artificielle. Les conclusions du chercheur John Labram de l'OSU College of Engineering et de l'étudiante diplômée Cinthya Trujillo Herrera ont été publiées aujourd'hui dans Lettres de physique appliquée .

Tentatives précédentes pour construire un appareil de type œil humain, appelé capteur rétinomorphe, s'être appuyé sur des logiciels ou du matériel complexe, dit Labram, professeur adjoint de génie électrique et d'informatique. Mais le fonctionnement du nouveau capteur fait partie de sa conception fondamentale, utilisant des couches ultrafines de semi-conducteurs pérovskites - largement étudiés ces dernières années pour leur potentiel d'énergie solaire - qui passent d'isolants électriques puissants à de forts conducteurs lorsqu'ils sont placés à la lumière.

"Vous pouvez le considérer comme un seul pixel faisant quelque chose qui nécessiterait actuellement un microprocesseur, " dit Labram, qui dirige l'effort de recherche avec le soutien de la National Science Foundation.

Le nouveau capteur pourrait parfaitement correspondre aux ordinateurs neuromorphiques qui alimenteront la prochaine génération d'intelligence artificielle dans des applications telles que les voitures autonomes, robotique et reconnaissance d'images avancée, dit Labram. Contrairement aux ordinateurs traditionnels, qui traitent les informations de manière séquentielle sous la forme d'une série d'instructions, les ordinateurs neuromorphiques sont conçus pour émuler les réseaux massivement parallèles du cerveau humain.

« Les gens ont essayé de reproduire cela dans le matériel et ont raisonnablement réussi, " dit Labram. " Cependant, même si les algorithmes et l'architecture conçus pour traiter l'information s'apparentent de plus en plus à un cerveau humain, les informations que ces systèmes reçoivent sont toujours résolument conçues pour les ordinateurs traditionnels."

En d'autres termes :Pour atteindre son plein potentiel, un ordinateur qui « pense » plus comme un cerveau humain a besoin d'un capteur d'image qui « voit » plus comme un œil humain.

Un orgue d'une complexité spectaculaire, l'œil contient environ 100 millions de photorécepteurs. Cependant, le nerf optique n'a qu'un million de connexions au cerveau. Cela signifie qu'une quantité importante de prétraitement et de compression dynamique doit avoir lieu dans la rétine avant que l'image puisse être transmise.

Comme il s'avère, notre sens de la vision est particulièrement bien adapté pour détecter les objets en mouvement et est comparativement "moins intéressé" par les images statiques, dit Labram. Ainsi, notre circuit optique donne la priorité aux signaux des photorécepteurs détectant un changement d'intensité lumineuse - vous pouvez le démontrer vous-même en fixant un point fixe jusqu'à ce que les objets de votre vision périphérique commencent à disparaître, un phénomène connu sous le nom d'effet Troxler.

Technologies de détection conventionnelles, comme les puces trouvées dans les appareils photo numériques et les smartphones, sont mieux adaptés au traitement séquentiel, dit Labram. Les images sont numérisées à travers un réseau bidimensionnel de capteurs, pixel par pixel, à une fréquence définie. Chaque capteur génère un signal dont l'amplitude varie directement avec l'intensité de la lumière qu'il reçoit, ce qui signifie qu'une image statique entraînera une tension de sortie plus ou moins constante du capteur.

Par contre, le capteur rétinomorphe reste relativement silencieux dans des conditions statiques. Il enregistre un court, signal net lorsqu'il détecte un changement d'éclairage, puis revient rapidement à son état de base. Ce comportement est dû aux propriétés photoélectriques uniques d'une classe de semi-conducteurs appelés pérovskites, qui se sont montrées très prometteuses en tant que nouvelle génération, matériaux de cellules solaires à faible coût.

Dans le capteur rétinomorphe de Labram, la pérovskite est appliquée en couches ultrafines, quelques centaines de nanomètres d'épaisseur, et fonctionne essentiellement comme un condensateur qui fait varier sa capacité sous éclairage. Un condensateur emmagasine de l'énergie dans un champ électrique.

"La façon dont nous le testons est, essentiellement, nous le laissons dans le noir pendant une seconde, puis nous allumons les lumières et les laissons allumées, " dit-il. " Dès que la lumière s'allume, vous obtenez ce gros pic de tension, puis la tension décroît rapidement, même si l'intensité de la lumière est constante. Et c'est ce que nous voulons."

Bien que le laboratoire de Labram ne puisse actuellement tester qu'un seul capteur à la fois, son équipe a mesuré un certain nombre d'appareils et développé un modèle numérique pour reproduire leur comportement, arriver à ce que Labram considère comme « une bonne correspondance » entre la théorie et l'expérience.

Cela a permis à l'équipe de simuler un ensemble de capteurs rétinomorphes pour prédire comment une caméra vidéo rétinomorphe réagirait au stimulus d'entrée.

"Nous pouvons convertir la vidéo en un ensemble d'intensités lumineuses, puis l'intégrer à notre simulation, " a déclaré Labram. " Les régions où une sortie de tension plus élevée est prédite à partir du capteur s'allument, tandis que les régions de basse tension restent sombres. Si la caméra est relativement statique, vous pouvez clairement voir que toutes les choses qui bougent réagissent fortement. Cela reste raisonnablement fidèle au paradigme de la détection optique chez les mammifères. »

Une simulation utilisant des images d'un entraînement de baseball démontre les résultats attendus :les joueurs dans le champ intérieur apparaissent comme clairement visibles, objets lumineux en mouvement. Objets relativement statiques :le terrain de baseball, les gradins, même les voltigeurs—se fondent dans l'obscurité.

Une simulation encore plus frappante montre un oiseau volant en vue, puis presque disparaître alors qu'il s'arrête à une mangeoire à oiseaux invisible. L'oiseau réapparaît au fur et à mesure qu'il s'envole. Le nourrisseur, se balancer, ne devient visible que lorsqu'il commence à bouger.

"La bonne chose est que, avec cette simulation, nous pouvons entrer n'importe quelle vidéo dans l'un de ces tableaux et traiter ces informations essentiellement de la même manière que l'œil humain le ferait, " dit Labram. " Par exemple, vous pouvez imaginer ces capteurs utilisés par un robot qui suit le mouvement des objets. Tout ce qui est statique dans son champ de vision ne susciterait pas de réponse, cependant, un objet en mouvement enregistrerait une haute tension. Cela indiquerait immédiatement au robot où se trouvait l'objet, sans aucun traitement d'image complexe."