Alyssa Schaeschinger
Imaginez un robot chirurgical capable de détecter la frontière entre une tumeur et un tissu sain lors d’une opération ; non pas en envoyant des images à l’extérieur pour analyse, mais en analysant rapidement des différences subtiles assez rapidement pour guider le mouvement suivant du chirurgien.
Les capteurs optiques modernes collectent passivement des données, qui sont ensuite exportées pour analyse. Des chercheurs de l’Université Texas A&M développent des capteurs optiques capables de compresser et d’analyser leurs propres données, économisant du temps, de l’argent et de l’énergie.
Sous la direction des Drs. Yuxuan Cosmi Lin et Linda Katehi, l’équipe a récemment publié le cadre de leurs nouveaux capteurs, qu’ils appellent électrochromic hyperspectral embedding (ECHSE). Le système déplace l’intelligence de l’analyse informatique en aval vers le capteur lui-même, permettant une réduction du transfert de données tout en maintenant de fortes performances visuelles.
Ce projet a impliqué plusieurs chercheurs de Texas A&M, dont le chercheur postdoctoral Ran Li, le récent diplômé en génie électrique Dr. Chaoyi He, et l’étudiant au doctorat Enzi Zhai.
Pour les utilisateurs quotidiens, cette technologie pourrait conduire à des capteurs intelligents plus petits, plus rapides et plus économes en énergie. Ces systèmes pourraient permettre une prise de décision en temps réel sans dépendre du cloud computing ou de grandes puces d’IA.
Une autre application potentielle de la technologie intégrée au capteur est l’exploration spatiale. Actuellement, les rovers lunaires sont utilisés pour collecter des images d’échantillons de roches lunaires, qui sont envoyées sur Terre pour analyse de composition. En utilisant des capteurs intelligents, les astronautes pourraient analyser un échantillon sur la lune en temps réel, déterminant si une zone contient de la glace ou des minéraux rares.
L’équipe espère développer un principe de fonctionnement général pour l’intelligence intégrée aux capteurs, dans lequel les chercheurs construiraient des capteurs capables de suivre de manière adaptative des informations utiles en temps réel. Ils prévoient également d’étendre le type de données que les capteurs intelligents peuvent capturer en élargissant le dispositif pour différencier les plages de mouvement et de longueur d’onde.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
« Nous nous intéressons au transfert technologique. Nous voulons explorer des approches de fabrication simples qui pourraient rendre ces systèmes peu coûteux, évolutifs et compatibles avec la production industrielle », a déclaré Lin, professeur adjoint de science et génie des matériaux. « L’objectif à long terme est de construire des systèmes de détection intelligents spécifiques à une tâche, non seulement puissants en laboratoire, mais aussi pratiques pour un déploiement dans le monde réel. »
Développer ce type de capteur nécessite des ingénieurs de nombreuses disciplines. Avec des contributeurs du Département de science et génie des matériaux et du Département de génie électrique et informatique de Texas A&M, l’équipe a pu bénéficier des ressources et des opportunités du Collège d’ingénierie qui ont permis à ces différents domaines de se rassembler.
« Ce projet a ouvert un nouveau monde pour moi. Il m’a poussé à apprendre dans de nombreux domaines différents, des matériaux électrochromiques et photodétecteurs à l’apprentissage automatique et aux systèmes matériels », a déclaré Li. « Plus important encore, le Dr Lin m’a appris ce que signifie vraiment comprendre quelque chose ; non seulement obtenir un résultat, mais connecter le mécanisme, les preuves et la signification derrière cela. »
Les collaborateurs externes de ce projet incluent le Dr Yi Huang et le Professeur Qiangfei Xia de l’Université du Massachusetts à Amherst, le Professeur Vinod K. Sangwan et le Professeur Mark C. Hersam de l’Université Northwestern, le Professeur Xi Ling de l’Université de Boston, le Professeur Xu Zhang de l’Université Carnegie Mellon, et le Dr Helen Xie de Google X.
Article : trochromic hyperspectral embedding for ultracompact intelligent vision – Journal : Nature – DOI : Lien vers l’étude
Source : Pohang U.
