Una lente frontal, o metaimagen, creada en la Universidad de Vanderbilt puede potencialmente reemplazar la óptica de imágenes tradicional en aplicaciones de visión artificial, produciendo imágenes a mayor velocidad y usando menos energía.
La nanoestructuración del material de la lente en un filtro de metaimagen reduce la lente óptica típicamente gruesa y permite el procesamiento inicial que codifica la información de manera más eficiente. Los generadores de imágenes están diseñados para funcionar en conjunto con un backend digital para descargar operaciones computacionalmente costosas en ópticas de alta velocidad y bajo consumo. Las imágenes que se producen tienen aplicaciones potencialmente amplias en sistemas de seguridad, aplicaciones médicas e industrias gubernamentales y de defensa.
El profesor de ingeniería mecánica Jason Valentine, subdirector del Instituto Vanderbilt de Ciencia e Ingeniería a Nanoescala, y el metagenerador de imágenes de prueba de concepto de sus colegas se describen en un artículo publicado en Nature Nanotechnology. .
Otros autores incluyen a Yuankai Huo, profesor asistente de informática; Xiamen Zhang, becario postdoctoral en ingeniería mecánica; Hanyu Zheng, Ph.D., ahora asociado postdoctoral en el MIT; y Quan Liu, Ph.D. estudiante de informática; e Ivan I. Kravchenko, miembro superior del personal de I+D del Centro de Ciencias de Materiales Nanofásicos del Laboratorio Nacional de Oak Ridge.
Los autores señalan que esta arquitectura de un metagenerador de imágenes puede ser muy paralela y cerrar la brecha entre el mundo natural y los sistemas digitales. "Gracias a su tamaño compacto, alta velocidad y bajo consumo de energía, nuestro enfoque podría encontrar una amplia gama de aplicaciones en inteligencia artificial, seguridad de la información y aplicaciones de visión artificial", afirmó Valentine.
El diseño metaóptico del equipo comenzó optimizando una óptica que comprende dos lentes de metasuperficie que sirven para codificar la información para una tarea de clasificación de objetos particular. Se fabricaron dos versiones basadas en redes entrenadas en una base de datos de números escritos a mano y una base de datos de imágenes de ropa comúnmente utilizadas para probar varios sistemas de aprendizaje automático. El metagenerador de imágenes logró una precisión del 98,6 % en números escritos a mano y un 88,8 % de precisión en imágenes de ropa.
Más información: Hanyu Zheng et al, Metageneradores de imágenes multicanal para acelerar la visión artificial, Nanotecnología natural (2024). DOI:10.1038/s41565-023-01557-2
Información de la revista: Nanotecnología de la naturaleza
Proporcionado por la Universidad de Vanderbilt
