AI搭載センサーが作物と葉のスペクトル特性を圧倒的な速さで検出

ローレンス・バークレー国立研究所（バークレー研究所）の科学者たちが、サンプル対象（上図は作物、下図は葉）の関心あるスペクトル特徴をまず「嗅ぎ分け」、その後、未知の環境で指定されたターゲットを探し出すインテリジェントなセンサーを開発しました。煩雑なデジタル処理を回避しながら実現しています。（画像：Ali Javey／バークレー研究所）

分光イメージングと機械学習の融合

肉眼で見えるRGBスペクトルを超えた色を捉える分光イメージングツールは、物体の材質や構造的特性に関する情報を得る上で不可欠です。これらを機械学習と組み合わせることで、半導体製造、汚染物質追跡、作物監視など実用分野での特徴識別パイプラインが強力になりました。

センサー自体にAIアルゴリズムを内蔵

米国エネルギー省バークレー研究所の研究者たちは、AIアルゴリズムをカメラのセンサー自体に組み込むことで、長年分光イメージング技術の性能を悩ませてきたデータ処理のボトルネックを解消しました。その結果、化学物質の識別や材料の特性評価を迅速かつ効率的に行えるインテリジェントなセンサーが誕生しました。

「既存の分光マシンビジョン技術の速度、解像度、電力効率を2桁以上向上させることに注力した」と、このデバイスを報告したScience論文の主任研究者アリ・ジャベイ氏は語ります。ジャベイ氏はバークレー研究所のシニア教員科学者であり、UCバークレーの材料科学・工学教授です。この研究はUCLAのアイドガン・オズカン氏との緊密な協力で行われました。

半導体デバイス自体に新機能を構築

このセンサー設計は、半導体デバイス自体に新たな機能を組み込むことで効率と有用性を高め、AIビジョンハードウェアの新たなクラスを可能にすることを示しています。

従来技術の課題：センサーと演算モジュールの分離

現在の分光イメージング技術では、センサーと演算モジュールが別々です。センサーがまず各色に対応する画像スタックを取得し、その膨大な画像スタックをデジタルプロセッサに送ってさらなる演算を行い、物体識別結果を出力します。ここに問題があります。

「センサーは通常のカメラより10〜100倍のデータ量を収集し、デジタルプロセッサに送らなければなりません」と、バークレー研究所材料科学部門のポスドクで論文筆頭著者のデフイ・チャン氏は説明します。その結果、センサーとコンピュータハードウェアが圧倒され、物体認識タスクが極めて遅く、電力を大量に消費するようになっていました。

光検出プロセス自体でAI演算と分光分析を実行

バークレー研究所チームは、画像取得、つまり光検出プロセスそのものでAI演算と分光分析を行うセンサーを開発しました。

「光検出は自動的な物理的演算プロセスと見なせます」とチャン氏は説明します。光がセンサーに当たると、その強度が自動的に電流の強さにマッピングされます。センサーの光応答性は容易に調整できるため、どのスペクトル特性を強調し、どれを抑制するかを選ぶ「調整ノブ」を研究者たちは得られます。センサーから回路へ読み出される電流は、したがって画像のスペクトル内容に関する推論として機能します。

「この演算プロセスが数学的に、デジタル機械学習で典型的に使われるアルゴリズムと類似していることを証明しました」とチャン氏。この類推により、センサーを機械学習コンピュータとして使用し、入射光上で機械学習演算を実行できるようになりました。

センサーに知能を与える

「私にとって最もエキサイティングなのは、センサーに知能を与えるというコンセプトです」とジャベイ氏。通常のセンサーは単に生の環境情報を収集し、知的認識タスクをデジタルプロセッサに任せています。

半導体材料、デバイス、アルゴリズムを共同設計することで、チームはデータのデジタル後処理を必要とせずにセンサーが学習し演算できるようにしました。

鳥の識別を超えた多様な応用

しかし、この技術の応用は鳥の識別をはるかに超えています。黒リンフォトダイオードを用いて、研究者たちは他の興味深い可能性を実験的に実証しました。半導体サンプルの酸化層厚の特定（製造大手が完全な均一性を必要とする）、様々な植物葉の水分状態の特定、光学画像での物体セグメンテーション、ペトリ皿内の透明化学物質の検出などに成功しました。

「このようなデバイスがより広範な応用に向けて有望だと楽観しています」とジャベイ氏。将来的には、スマートセンサーが分光マシンビジョンだけでなく、「他の先進的な光学センシングやそれ以上の分野」でも活躍する可能性があります。

詳細については、こちらまでお問い合わせください。