Nhìn trực tiếp bằng mắt của máy tính
Hệ thống này có thể tăng cường độ chính xác nhận dạng đối tượng và tốc độ trong những lĩnh vực mà cả hai vấn đề đều rất quan trọng, như xe tự hành, sàng lọc đối tượng an ninh và cảm biến chuyển động vật thể.
Phương pháp máy học mới giúp loại bỏ bước trung gian con người, bỏ qua bước tạo hình ảnh để người dùng phân tích và thay vào đó là phân tích trực tiếp dữ liệu thuần túy.
Phương pháp này cũng cùng xác định các cách cài đặt phần cứng tối ưu nhất, lựa chọn dữ liệu quan trọng nhất. Trong nghiên cứu xác định một minh chứng về nguyên tắc (nguyên tắc khả thi), phương pháp mới thiết lập xác định chính xác một tập hợp các số 3D sử dụng hàng chục phép đo thay vì phải tiến hành hàng trăm hoặc hàng nghìn phép đo theo phương pháp thông thường.
Bản báo cáo về nghiên cứu khoa học được đăng tải trên tạp chí Advanced Science, là kết quả sự hợp tác giữa David Smith, giáo sư Kỹ thuật Điện và Máy tính danh tiếng James Duke của trường đại Duke và Roarke Horstmeyer, trợ lý giáo sư về kỹ thuật y sinh tại Duke.
Horstmeyer cho biết, những chương trình nhận dạng đối tượng thường sử dụng các phép đo và xử lý những dữ liệu thu được tạo ra một hình ảnh, cho phép người dùng có thể nhìn thấy và đánh giá. Trong công nghệ thông tin, phương thức này không hiệu quả do máy tính không cần thiết phải nhìn thấy một hình ảnh để xác định đối tượng.
Phương thức tiếp cận mới bỏ qua bước tạo hình ảnh và cho phép chương trình nắm bắt các chi tiết mà quá trình tạo ảnh có thể bỏ lỡ khi loại bỏ những các chi tiết khác không cần thiết. Cơ bản, chúng ta nhìn đối tượng trực tiếp bằng con mắt của máy tính.
Trong nghiên cứu, các nhà khoa học sử dụng hệ thống máy học được trang bị anten siêu vật liệu có thể cắt mặt trước chùm sóng vi sóng thành nhiều hình dạng khác nhau. Trong trường hợp nghiên cứu này, anten siêu vật liệu là một lưới hình vuông 8 × 8, mỗi ô chứa một cấu trúc điện tử, cho phép điều chỉnh linh hoạt để chặn hoặc truyền vi sóng.
Tối ưu hóa nhận dạng chuyển động
Đối với mỗi phép đo, cảm biến thông minh sẽ lựa chọn một số ô vuông cho sóng vibar đi qua. Cách này tạo ra một mẫu hình vi sóng độc đáo, do sóng đập vào vật thể cần thiết phải nhận biết và phản xạ ngược trở lại về một anten siêu vật liệu tương tự khác.
Anten cảm biến nhận sóng vibar cũng sử dụng mô hình các ô vuông chủ động, tăng thêm những thông tin khác để định hình chùm sóng phản xạ. Máy tính sẽ phân tích các tín hiệu phản xạ ngược và xác định đối tượng.
Bằng phương pháp lặp lại quá trình này hàng ngàn lần với các vật thể khác nhau, thuật toán máy học sẽ phát hiện ra phần thông tin nào là quan trọng nhất cũng như phương thức thiết lập các ô chủ động trên cả anten gửi và nhận tốt nhất để thu thập thông tin.
Mohammadreza Imani, trợ lý nghiên cứu trong phòng thí nghiệm Smith cho biết, máy phát và máy thu hoạt động cùng nhau và được thiết kế cùng nhau bằng thuật toán máy học. Những thiết bị này được thiết kế và tối ưu hóa cùng nhau để nắm bắt rõ ràng những tính năng đặc trưng của nhiệm vụ phải thực hiện.
Sau khi được huấn luyện đào tạo, thuật toán học máy sẽ có được một nhóm nhỏ các thiết lập, cho phép máy tách dữ liệu cần thiết trong một khối lượng thông tin lớn, tương tự như phân biệt hạt lúa mì trong trấu, cắt giảm số lượng các phép đo, thời gian và năng lượng cần thiết cho tính toán. Thay vì thực hiện hàng trăm hoặc thậm chí hàng ngàn phép đo lường, thường được các hệ thống xác định hình ảnh vi sóng truyền thống, phương pháp mới có thể cho thấy vật thể trong chưa đầy 10 phép đo.
Liệu phương pháp mới này có mở rộng để ứng dụng cho những hệ thống cảm biến phức tạp hơn hay không là một câu hỏi lớn. Nhưng các nhà nghiên cứu đã cố gắng sử dụng khái niệm mới của họ để tối ưu hóa nhận dạng chuyển động tay và các cử chỉ cho tương tác người dùng - máy tính thế hệ tiếp theo.
Có rất nhiều lĩnh vực khác trong cuộc sống cần tăng cường khả năng nhận biết của cảm biến vi sóng. Các siêu vật liệu có kích thước nhỏ, chi phí thấp và khả năng sản xuất dễ dàng, loại vật liệu này trở thành ứng viên đầy triển vọng cho các thiết bị cảm biến thông minh trong tương lai.
Sóng vibar microwaves là giải pháp lý tưởng cho các ứng dụng như phát hiện những mối đe dọa, xác định các đối tượng trên đường cho xe ô tô không người lái hoặc theo dõi các trường hợp khẩn cấp trong các cơ sở phục hồi, điều dưỡng...
