КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 21-71-00136
НазваниеРазработка научно-технологических принципов создания и функционирования нейроморфных систем аналогового машинного зрения на основе мемристивных устройств
Руководитель Щаников Сергей Андреевич, Кандидат технических наук
Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" , Владимирская обл
Конкурс №60 - Конкурс 2021 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными
Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-727 - Специализированные системы обработки и анализа изображений и сигналов
Ключевые слова машинное зрение, аналоговое зрение, искусственный интеллект, нейроморфные системы, мемристивные устройства
Код ГРНТИ28.23.15
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Проект направлен на исследование проблемы создания новых видов систем машинного зрения, в которых сигналы с фотосенсора будут напрямую передаваться в нейроморфный чип, обученный автоматическому детектированию и распознаванию образов. В настоящее время системы машинного зрения строятся по классическому принципу создания систем обработки данных, в которых центральный элемент является вычислителем в архитектуре фон Неймана с разделенными арифметико-логическим устройством и памятью, а фотосенсор с аналогово-цифровыми преобразователями являются устройством ввода. В процессе работы такой системы изображение проходит программную предобработку, детектирование, выделение признаков и классификацию с помощью моделей (например, искусственных нейронных сетей), что сопряжено с хранением большого количества данных самой модели, огромным числом запросов к памяти в процессе эмулирования её работы на процессорах с последовательными принципами функционирования (хоть и многоядерными), а соответственно высокой сложностью и значительным энергопотреблением, что является критически важным при создании бионических протезов глаз, бортовых систем распознавания образов, машинного зрения в робототехнике.
Для решения данной проблемы нужен разносторонний подход. С одной стороны – целью работы системы машинного зрения является не сама фиксация изображения, а получение информации о том какие объекты находятся в поле зрения. С этой точки зрения нужно осуществлять поиск новых вычислительных архитектур и уход от традиционной архитектуры “фотоаппарат с функцией распознавания”. С другой стороны, для создания новых вычислительных средств нужно развитие новой элементной базы, которая будет максимально эффективно реализовывать те принципы функционирования, которые заложены в моделях распознавания образов.
В рамках данного проекта впервые предлагается соединить фотосенсор с массивом из мемристивных устройств. Такая концепция аналогового машинного зрения позволит разрабатывать новые системы распознавания образов. Сигналы с фотосенсора будут подаваться на нейроморфное вычислительное устройство, в котором проводимости мемристоров будут формировать саму модель обработки визуальной информации и одновременно выполнять эту обработку (детектирование и распознавание).
В настоящее время решение данной задачи достижимо. Это подтверждается обзорами мировых достижений в области создания чипов на базе мемристивных устройств, их применения для распознавания образов, личным опытом создания подобных систем авторами Проекта. Имеющийся научно-технический задел и имеющиеся у коллектива исполнителей технологические и конструкторские решения, аналитические и теоретические методы позволяют планировать получение результатов мирового уровня по завершении выполнения проекта.
ОТЧЁТНЫЕ МАТЕРИАЛЫ