選択の難しさにうんざりしませんか。AI が服選びをお手伝いします!

制作：中国科学普及協会

著者: 呉暁松 (中国科学院福建省物質構造研究所)

プロデューサー: 中国科学博覧会

「ねえAI、今夜デートがあるんだけど、服を選ぶのを手伝って！」

「わかりました、マスター！」

…

このシーンは、SF映画に登場するだけでなく、現実にも起こり得るのです！

2023年1月28日、中国科学院福建省物質構造研究所の黄衛国研究員チームと香港大学の王忠瑞教授チームは、AIを使って人間の脳の代わりにさまざまなファッションの衣服を認識するという目標を達成するために使用できる新しいタイプの光電子材料とデバイスを紹介する記事を発表しました。

服選びにおけるAIの第一歩：「センシングとコンピューティングを1つに」

この技術は、さまざまな種類の画像を感知して認識できるウェアラブル人工眼に似ています。この目標が達成されれば、人工知能技術の将来の発展に新たな展望が開けるでしょう。

では、これをどうやって達成するのでしょうか? 1 つ目は、材料を意図的に設計することです。

人間の網膜は光信号を感知し、さまざまな動画像を収集して前処理し、視覚認知の次のステップを促進します。 AIに視覚的な知能を持たせるためには、同様の機能も実装する必要があります。しかし、従来のシリコンビジョンチップの信号認識、ストレージ、処理ユニットは互いに独立しており、それらの間のデータ伝送とアナログからデジタルへの変換によって大量のエネルギー消費が発生し、計算速度が制限されます。そして、ムーアの法則が減速するにつれて、この制限はさらに厳しくなるでしょう。

したがって、新しい技術ルートを模索し、新しい光電子材料とデバイスを開発し、それらに「知覚とコンピューティングの統合」の特性を与えることは、低消費電力と高速コンピューティングを備えたエッジコンピューティングデバイスの実現にとって非常に重要です。

優れた半導体材料は「記憶」を持つことができる

知覚とコンピューティングを統合するには、まず「知覚」、つまり一時的な記憶動作を実現する必要があります。

研究者らは、効率的な励起子分離と空間電荷輸送特性を備えた半導体ポリマー（ p -NDI**）を開発するための材料とアルゴリズムの共同設計戦略を提案した。 **

図1 p-NDIフィルムの形態分析

（画像出典：参考文献）

通常、光が半導体に当たると、半導体内に励起子が生成されます。励起子は電子と正孔の複合体です（図 1i）。励起子の分解後に生成された電子は電荷移動に関与し、それによって光電流が増加します。

しかし、クーロン力により、電子と正孔は最終的に結合して消滅し、p-NDI半導体の電荷輸送に関与する電子の数が徐々に減少し、電流がゆっくりと減少します（図1k）、一時的なメモリ動作が形成されます。

図2 従来の半導体とp-NDIの光電流応答の比較と、センサ側RCシステムの詳細な半導体設計原理

（画像出典：参考文献）

上の図からわかるように、光を取り除くと、一般的な半導体で作られたトランジスタの電流はすぐに初期値に戻るか、光電流がほとんどなくなります。

光が除去されると、p-NDI に基づいて作成されたトランジスタの電流は時間の経過とともに非線形に減少し、人間の脳の記憶の一種に似た一時的な記憶動作を形成します。たとえば、私たちが衣服を見ると、それはしばらく私たちの心の中に留まり、その後ゆっくりと消えていきます。このプロセスは一時的なメモリです。

これらの特性は、光信号の前処理や光電子センサーでの「リザーバーコンピューティング」の実行に不可欠です。

研究者らは実験分析を通じて、p-NDI は面外配向が比較的規則的であるが、面内配向が劣っていることを示しました。このような構造は、効率的な空間電荷輸送を保証するだけでなく、電子と正孔の空間再結合の速度も制御します (図 1i)。これらすべての特徴は、p-NDI ベースのトランジスタの優れた光応答動作と過渡メモリ特性に貢献します。

ビジョンチップの誕生

図3 光学マルチタスク学習の模式図

（画像出典：参考文献）

図4 DVSGesture128データセットを使用したイベントベースのビデオ分類

（画像出典：参考文献）

研究者らは、上記の半導体材料を使用して、マルチタスク認識機能を備えた「リザーバーコンピューティング」ニューラルビジョンチップを準備しました（図4）。数回のシミュレーション、実践、検証を経て、「リザーバーコンピューティング」デバイスの手書き文字、数字、衣服の認識率はそれぞれ98.04%、88.18%、91.76%でした。さらに、さまざまな動的ジェスチャー（左手を振る、右手を振る、拍手する）の認識率は 98.62% と高くなっています（図 4）。

この技術は、従来のセンシングコンピューティングシステムにおける大量のエネルギー消費というボトルネックを克服するだけでなく、マルチタスク学習機能を備えたウェアラブルで手頃な価格の効率的なフォトニックニューロモルフィックシステムのための有望な材料アルゴリズム共同設計戦略も提供します。

では、これらの技術的設計と私たちの実際の生活との間にはどのようなつながりがあるのでしょうか?

見た目はとても「高級」ですが、実は私たちの日常生活と切り離せないものであり、私たちの生活をより便利にしてくれます。例えば、視覚障害を持つ人々にとって、人工視覚チップは間違いなく世界を再びはっきりと「見る」のに役立ち、視覚障害によって引き起こされる生活上のさまざまな問題を取り除くことができます。統合されたセンシングおよびコンピューティング ビジョン チップは、強力なコンピューティング能力を使用して道路状況を迅速に判断し、自動運転の保護を強化することもできます。もちろん、他にも多くの応用シナリオがあります...

まとめ

素材とアルゴリズムの連携により、そう遠くない将来、服選びを手伝ってくれる AI 執事が登場するかもしれません。これを考えると確かにちょっとワクワクしますね！

注: この記事の関連研究は Nature Communications に掲載されており、論文のタイトルは「マルチタスク学習のための空間内電荷輸送特性を持つオプトエレクトロニックポリマーを使用したウェアラブルなセンサー内リザーバコンピューティング」です。

編集者：孫晨宇