理大科學家研發的感應人工智能系統突破應用
香港理工大學(理大)理學院副院長(科研)、應用物理學系教授柴揚教授在感應人工智能領域的開創性研究,為創造更節約能源、高效低延遲和記憶體最佳化的系統開闢了新途徑,從而促進各種應用,包括移動設備、物聯網傳感器及邊緣計算等。
感應人工智能系統促進應用引領變革
柴教授的創新科研克服了感應人工智能系統在耗能、延遲和存儲器方面的關鍵障礙,釋放了有關系統在各行各業的應用潛力。特別是,嵌入式傳感器計算策略激發了決策過程和情境感知的進步、加強了私隱與安全性、並為智能自動化帶來革新。
憑藉在高效感應人工智能系統領域突破科研壁壘,柴教授獲選為2024年Falling Walls科學突破獎—工程與技術類別的十大科學家之一。他研發了新穎的器件硬件架構和優化技術,將先進的感應人工智能系統部署到移動設備、物聯網傳感器及邊緣計算中,為智慧城市、自動駕駛車輛及工業自動化等發展及應用引領變革。
Falling Walls年度科學突破獎由位於德國柏林的德國跨界創新基金會(The Falling WallsFoundation)舉辦,旨在表彰全球最新的科研突破成果和卓越科學項目。今年,由全球知名專家組成的權威評審團審核了來自52個國家超過1,000個參賽作品。在工程與技術類別中,選出10位優秀獲獎者,並入圍最終的年度獎。
柴教授表示︰「廣泛應用的圖像傳感器,令感知終端所產生的數據大幅增加,把部分運算任務轉移到靠近數據源的感知終端顯得非常重要,有關轉移大幅壓縮了所收集到的信息之餘,還能提取關鍵信息,尤其是對多傳感器的平台。」
柴教授的研究工作根據感知與運算單元之間的實際距離,清晰界定了近傳感器運算範式和傳感器端運算範式的概念,並將功能劃分為低級和高級處理。他還研究在不同物理感知系統上執行近傳感器運算/傳感器端運算,利用先進製造技術,為硬件執行集成感知及處理單元提供潛在的解決方案。
柴教授及其團隊專注提升感應人工智能的計算硬體,是從自然生物感官系統所發現的非凡能力中獲得啟發。
全新仿生傳感器提供高效視覺資訊和影像辨識
仿效人類眼睛能適應不同亮度、在不同照明條件下準確辨識各種物件,柴教授和團隊研發的全新仿生傳感器可直接適應光暗,減少依賴後台運算,能夠因應不同亮度進行轉換,適應範圍更勝人類眼睛。新的傳感器可降低硬件複雜度,在不同光暗下大幅提高影像對比,從而提供高效視覺資訊和影像辨識。
借鑒飛行昆蟲視覺系統的閃爍融合頻率,柴教授的一項前沿研究制備了光電梯級神經元(optoelectronic graded neurons)。這項創新實現了在感知終端(sensory terminals)有效地編碼時間信息,從而減少了計算器中融合「時空信息」所需的大量視覺數據傳輸,能以較少的硬件資源實現更敏捷的視覺感知,有望拓展應用到駕駛車輛和監測系統。
這些傑出的研究成果已在《Nature Electronics》、《Nature Nanotechnology》等權威期刊上發表,並獲《Nature》、《IEEE Spectrum》等推介,獲世界各地的研究團隊廣泛引用。
柴教授展望︰「我的長遠目標是理解並設計出具有新功能、前所未有性能的尖端微電子和納米電子器件,進一步說,我們預期開發一套成像技術,能夠感知三維(3D)深度信息、四維(4D)時空信息、以及超出可見光範圍(5D)的多光譜信息。我們將運用仿生機制來降低能耗和時延。」