Bij uilengezicht geïnspireerde near-sensor computing

Zien in het donker zoals een uil

Stel je een drone voor die een verdwaalde wandelaar of een verre ruimtevaartuig kan opsporen zonder zoeklichten, zelfs bij sterrenlicht zo zwak dat gewone camera’s bijna niets waarnemen. Dit artikel beschrijft nieuw beeldvormend hard- en software geïnspireerd door uilen die dat idee dichter bij de realiteit brengt. Door na te bootsen hoe de ogen van een uil zich aanpassen aan duisternis en hoe zijn hersenen zwakke signalen efficiënt verwerken, bouwen de onderzoekers een kleine elektronische “synaps” die zowel zwak licht detecteert als een deel van de benodigde herkenningsberekening direct op de sensor uitvoert.

Waarom bestaande machines ’s nachts moeite hebben

Moderne kunstmatige intelligentie kan gezichten, objecten en scènes met indrukwekkende nauwkeurigheid herkennen, maar dat vereist meestal krachtige chips die enorme hoeveelheden energie verbruiken. Conventionele camera’s scheiden ook waarneming van verwerking: eerst legt de camera een afbeelding vast; daarna bewerken externe processors de gegevens. Bij zeer weinig licht lopen deze camera’s meestal vast tenzij ze worden geholpen door felle lampen of zware digitale versterking. Een uil daarentegen laat oog en brein samenwerken: het netvlies accumuleert kleine stroompjes fotonen in de tijd, en neurale circuits passen zich aan zodat vage vormen geleidelijk zichtbaar worden. De auteurs willen een vergelijkbare, strak geïntegreerde en energiezuinige strategie naar machinaal zicht brengen.

Een klein apparaat dat van licht leert

Centraal in het werk staat een “uil-geïnspireerde dual-mode adaptieve synaps” — een klein door transistoren opgebouwd apparaat dat zowel fungeert als lichtsensor als leerbare verbinding tussen zenuwcellen. Het apparaat is in lagen opgebouwd: een transparante onderelectrode, een dielectrische laag die ladingen kan vasthouden, een speciaal ontworpen lichtabsorberende mix, en bovenop een organisch halfgeleiderkanaal. Wanneer zwak licht de absorberende laag raakt, ontstaan enkele ladingsdragers die, gestuurd door een aangelegde spanning, in het dielectrische materiaal worden vastgehouden en zich in het kanaal ophopen. Dit vergroot geleidelijk de elektrische respons van het apparaat, vergelijkbaar met hoe staafjes in het netvlies van een uil gevoeliger worden na aanpassing aan duisternis. De auteurs tonen aan dat hun apparaat kan reageren op lichtintensiteiten zo laag als 0,146 nanowatt per vierkante centimeter — ruwweg drie ordes van grootte zwakker dan wat standaard camerachips aankunnen — terwijl het een sterke, instelbare versterking vertoont die zijn donkeraanpassing kwantificeert.

Functioneren als een kunstmatige synaps

Naast lichtdetectie bootst het apparaat ook na hoe biologische synapsen zich met activiteit versterken of verzwakken. Bij herhaalde lichtpulsen over een breed kleurenspectrum, van ultraviolet tot nabij-infrarood, neemt de stroom van het apparaat in blijvende stappen toe en slaat zo een geheugen van de optische geschiedenis op. Onder elektrische pulsen op de poort vertoont het lange-termijn potentiëring en depressie — geleidelijke, omkeerbare veranderingen in geleiding die synaptische “gewichten” in kunstmatige neurale netwerken coderen. Deze gewichten worden niet‑vlakkend opgeslagen, wat betekent dat het apparaat ze onthoudt zonder constante voeding, en kunnen over meerdere niveaus worden aangepast als een multi-bit digitale waarde. Cruciaal is dat elk synaptisch event ongeveer 10 femtojoule aan energie verbruikt, vergelijkbaar met of zelfs lager dan schattingen voor biologische synapsen, en vele ordes van grootte onder het energieverbruik van typische AI-hardware.

Van enkele synaps tot zichtssysteem

Om te bevestigen dat dit gedrag op schaal standhoudt, vervaardigt het team een 19 bij 17 raster van apparaten en toont aan dat ze uniform werken. Wanneer een zwak lichtpatroon op de array wordt geprojecteerd, groeien de fotostromen op de verlichte plekken geleidelijk tijdens adaptatie, waardoor eerder verborgen vormen onder ultra-zwakke belichting zichtbaar worden — vergelijkbaar met hoe het netvlies van een uil een beeld in het donker verscherpt. De auteurs koppelen vervolgens de meerdere geleidingsniveaus van het apparaat aan gewichten in machine-learningmodellen, waaronder eenvoudige meerlagige perceptrons, convolutionele netwerken en een diepe VGG-achtige architectuur. Zelfs met relatief grove, discrete gewichten behalen deze gesimuleerde netwerken nog steeds meer dan 90 procent nauwkeurigheid op standaard afbeeldingsdatasets, wat aantoont dat de synaptische toestanden voldoende zijn voor praktische berekeningen.

Nachtzicht voor drones en meer

Om het reële potentieel te illustreren, simuleren de onderzoekers een lucht‑naar‑grond herkenningssysteem gemonteerd op een kleine drone, getraind om een kledingvormig doel te detecteren bij verschillende helderheidsniveaus die overeenkomen met sterrenlichtomstandigheden. Door de tijdsafhankelijke respons van het apparaat te relateren aan het contrast van vastgelegde beelden, bouwen ze een voorverwerkingsstap die het beeld “aanpast”, nuttig contrast versterkt en toch binnen realistisch sensorgedrag blijft. Een populair objectdetectienetwerk (YOLOv5) dat op deze aangepaste data is getraind bereikt meer dan 95 procent herkenningsnauwkeurigheid, zelfs bij het laagste geteste lichtniveau. Simpel gezegd laat het werk zien dat door uilachtige donkeraanpassing te combineren met ingebouwd synaptisch leren direct op de sensor, machinaal zicht kan worden gebracht naar omstandigheden waarin traditionele camera’s falen, terwijl veel minder energie wordt verbruikt. Zulke technologie zou uiteindelijk zoek‑en‑reddingsdrones, autonome verkenners of astronomische instrumenten kunnen aandrijven die meer zien terwijl ze minder belichten.

Bronvermelding: Zhao, Z., Cao, Y., Huang, S. et al. Owl-vision-inspired near sensor computing. Nat Commun 17, 2676 (2026). https://doi.org/10.1038/s41467-026-69123-7

Trefwoorden: zicht bij weinig licht, neuromorfische sensor, uil-geïnspireerde beeldvorming, near-sensor computing, objectdetectie in de nacht