پژوهشگران دانشگاه نانجینگ از توسعه تراشه‌ای جدید به نام LightTok خبر داده‌اند؛ حسگر بینایی فوق کم‌مصرفی که قادر است سیگنال‌های نوری را مستقیما درون خود حسگر به توکن‌های آماده برای پردازش هوش مصنوعی تبدیل کند. این رویکرد نوآورانه، مصرف انرژی ناشی از انتقال و پردازش داده‌های حجیم تصویری را به شکل چشمگیری کاهش می‌دهد و گامی مهم در جهت توسعه سخت‌افزارهای مخصوص هوش مصنوعی فیزیکی به شمار می‌رود.

ایده اصلی؛ تولید توکن درون حسگر

در معماری‌های مرسوم بینایی ماشین، نور ابتدا توسط حسگر دریافت می‌شود، سپس از چندین مرحله شامل تبدیل سیگنال آنالوگ به دیجیتال، ذخیره‌سازی موقت در بافر، بخش‌بندی تصویر و در نهایت تبدیل به توکن‌های ورودی مدل‌های مبتنی بر Transformer عبور می‌کند. هر یک از این مراحل انرژی و زمان مصرف می‌کند و حجم زیادی از داده‌های خام را روی گذرگاه‌های ارتباطی جابه‌جا می‌سازد.

تیم دانشگاه نانجینگ این زنجیره را بازطراحی کرده است. به گفته میائو فنگ، مدیر مؤسسه هوش مصنوعی این دانشگاه، «ایده طراحی ما انتقال فرایند تولید توکن به درون خود حسگر بود؛ رویکردی که به تراشه اجازه می‌دهد با رسیدن نور، مستقیما توکن‌های قابل پردازش برای مدل‌های هوش مصنوعی تولید کند. توکن‌های حاصل حاوی اطلاعات کامل تصویر هستند.»

در تراشه LightTok، توکن‌های تولیدشده بدون نیاز به پردازش‌های میانی، به صورت مستقیم به رمزگذار Transformer برای بازشناسی تصویر ارسال می‌شوند. به این ترتیب، مراحل سنتی مانند تبدیل آنالوگ به دیجیتال، بافر داده و قطعه‌بندی تصاویر دیجیتال به طور کامل حذف شده است.

معماری سخت‌افزاری؛ حافظه نوری مبتنی بر MoS₂

قلب تپنده LightTok یک آرایه حافظه حساس به نور است که از فتوترانزیستورهای گیت شناور ساخته‌شده از دی‌سولفید مولیبدن تک‌لایه (MoS₂) بهره می‌برد. این ماده دوبعدی به دلیل حساسیت نوری بالا و قابلیت ادغام با فناوری CMOS، گزینه‌ای ایده‌آل برای حسگرهای هوشمند محسوب می‌شود.

در این معماری، هر پیکسل به تنهایی سه وظیفه کلیدی را بر عهده دارد:

  • ثبت نور: دریافت مستقیم فوتون‌ها و تبدیل آن‌ها به سیگنال الکتریکی
  • ذخیره‌سازی: نگهداری اطلاعات نوری در حافظه گیت شناور بدون نیاز به حافظه جانبی
  • محاسبه آنالوگ: اجرای عملیات محاسباتی در دامنه آنالوگ برای تولید توکن

این تجمیع سه‌گانه باعث می‌شود داده‌ها هرگز به شکل تصویر خام حجیم از حسگر خارج نشوند و تنها توکن‌های فشرده و معنادار به پردازنده هوش مصنوعی منتقل شوند. نتیجه، کاهش چشمگیر پهنای باند مورد نیاز و مصرف انرژی است؛ موضوعی که برای ابزارهای لبه (Edge) و ربات‌های خودمختار حیاتی است.

داخل خبر (468x60)

نمونه اولیه ساخته‌شده دارای وضوح ۳۲ در ۳۲ پیکسل، معادل ۱۰۲۴ پیکسل حساس به نور است. هرچند این وضوح در مقایسه با حسگرهای تجاری پایین به نظر می‌رسد، اما تیم سازنده تأکید می‌کند که فرایند ساخت آن کاملا با فناوری تولید CMOS سازگار است و بنابراین قابلیت مقیاس‌پذیری به ابعاد بزرگ‌تر و وضوح‌های بالاتر را دارد.

همکاری بین‌المللی و انتشار در ژورنال معتبر

این پروژه با همکاری پژوهشگران دانشگاه ملی سنگاپور به انجام رسیده و نتایج آن در ژورنال بین‌المللی Nature Sensors منتشر شده است. انتشار در چنین نشریه‌ای نشان‌دهنده اهمیت علمی این دستاورد در حوزه حسگرهای هوشمند و سخت‌افزارهای هوش مصنوعی است.

فناوری هوش مصنوعی فیزیکی که LightTok برای آن طراحی شده، به سیستم‌هایی اشاره دارد که باید به صورت پیوسته اطلاعات بصری محیط واقعی را دریافت و به داده‌های ساختاریافته برای تصمیم‌گیری آنی تبدیل کنند؛ از ربات‌های صنعتی و پهپادها گرفته تا عینک‌های هوشمند و خودروهای خودران. در همه این موارد، تأخیر و مصرف انرژی ناشی از پردازش تصویر یک گلوگاه جدی است.

چرا LightTok یک جهش مهم محسوب می‌شود؟

اهمیت LightTok تنها در کاهش مصرف انرژی خلاصه نمی‌شود. این تراشه مفهوم «حسگر هوشمند» را یک قدم جلوتر می‌برد:

  • پردازش در محل حس: به جای انتقال تصویر خام به پردازنده مرکزی، تحلیل اولیه در همان نقطه دریافت نور انجام می‌شود.
  • سازگاری با معماری Transformer: توکن‌ها دقیقا در فرمتی تولید می‌شوند که مدل‌های مدرن بینایی مانند Vision Transformer بدون تبدیل اضافی قادر به مصرف آن‌ها هستند.
  • پتانسیل برای مقیاس‌پذیری: استفاده از MoS₂ تک‌لایه و سازگاری با CMOS راه را برای تولید انبوه و ادغام در سیستم‌های تجاری باز می‌کند.
  • کاهش تأخیر: حذف مراحل تبدیل و بافرینگ، زمان بین دریافت نور تا تصمیم هوش مصنوعی را کوتاه می‌کند.

با وجود وضوح محدود نمونه فعلی، اثبات مفهومی LightTok نشان می‌دهد که می‌توان حسگر و پردازشگر را در یک بستر واحد ادغام کرد. اگر این فناوری به وضوح‌های چند صد کیلوپیکسلی و مگاپیکسلی برسد، می‌تواند معماری دوربین‌های هوشمند نسل آینده را دگرگون کند؛ دوربین‌هایی که به جای ارسال ویدیوی خام، تنها «درک» خود از صحنه را به شکل توکن برای هوش مصنوعی می‌فرستند.

پژوهشگران دانشگاه نانجینگ می‌گویند قدم بعدی، افزایش تراکم پیکسل‌ها، بهبود دقت محاسبات آنالوگ و آزمایش تراشه در سناریوهای واقعی بازشناسی اشیا و ناوبری ربات‌ها خواهد بود. در صورت موفقیت، LightTok می‌تواند به الگویی برای نسل جدید حسگرهای بینایی کم‌مصرف در عصر هوش مصنوعی فراگیر تبدیل شود.