Ускорение обработки изображений на порядки величин могло бы стать большим подспорьем для автономных систем, таких как самоуправляемые машины, считает Вэй Лю (Wei Lu), профессор электро- и компьютерной техники Мичиганского университета (U-M). Он является главным автором статьи в Nature Nanotechnology, рассказывающей о созданном в университете прототипе мемристорной схемы, имитирующей процесс анализа сложной визуальной информации у высших млекопитающих.

Мемристоры, это электрические резисторы с памятью, которые могут одновременно хранить и обрабатывать данные. В традиционных компьютерах за логические операции и хранение отвечают разные схемы, которым приходится обмениваться данными. Это снижает их эффективность, увеличивает расход энергии, размеры и стоимость.

В разработанном учеными U-M мемристорном массиве 32×32 для распознавания образов примеряется так называемое разрежённое кодирование (sparse coding). Подобно мозгу млекопитающего, мемристорная схема способна генерировать моментальный образ увиденного благодаря быстрому распознаванию разных форм и конфигураций, с одной стороны, и использованию минимально возможного количества ключевых характеристик, с другой.

Ученые использовали для тренировки мемристорной нейросети набор монохромных изображений. С помощью составленного в процессе обучения «словаря» базовых образов экспериментальная схема смогла реконструировать изображения знаменитых картин, фотографии и тестовые узоры.

Профессор Лю рассчитывает, что масштабирование этой системы позволит использовать её для обработки видео в реальном времени. При этом мемристорный чип останется достаточно компактным и энергоэкономичным, чтобы его можно было интегрировать напрямую в сенсоры и цифровые камеры.