Kulak-görüşünden esinlenen yakın sensör hesaplaması

Karanlıkta Baykuş Gibi Görmek

Fener kullanmadan, sıradan kameraların neredeyse hiçbir şey göremediği kadar zayıf yıldız ışığı altında kaybolmuş bir yürüyüşçüyü ya da uzak bir uzay aracını tespit edebilen bir insansız hava aracı hayal edin. Bu makale, bu fikri gerçeğe daha yakın hale getiren, baykuşlardan ilham alan yeni bir görsel donanımı anlatıyor. Bir baykuşun gözünün karanlığa nasıl uyum sağladığını ve beyninin zayıf sinyalleri verimli biçimde nasıl işlediğini taklit ederek, araştırmacılar hem zayıf ışığı algılayan hem de doğrudan sensörde tanım için gereken hesaplamanın bir kısmını yapan küçük bir elektronik "sinaps" inşa ediyorlar.

Mevcut Makinelerin Gece Neden Zorlandığı

Modern yapay zeka yüzleri, nesneleri ve sahneleri etkileyici bir doğrulukla tanıyabiliyor, ancak bunu genellikle aşırı enerji tüketen güçlü çipler gerektiriyor. Geleneksel kameralar da algılama ile hesaplamayı ayırıyor: önce kamera görüntüyü yakalıyor; sonra uzak işlemciler veriyi işliyor. Çok düşük ışıkta bu kameralar genellikle parlak lambalar veya yoğun dijital iyileştirme yardımı olmadan başarısız oluyor. Oysa bir baykuşun gözü ve beyni birlikte çalışıyor: retinası fotonların çok küçük akımlarını zaman içinde biriktiriyor ve sinir devreleri karanlıktaki zayıf şekilleri kademeli olarak görünür hâle getirecek şekilde uyum sağlıyor. Yazarların amacı, makine görüşüne benzer şekilde sıkı entegre ve enerji verimli bir strateji getirmek.

Işıktan Öğrenen Küçük Bir Aygıt

Çalışmanın merkezinde "baykuş-esinli çift modlu adaptif sinaps" adını taşıyan—hem ışık sensörü hem de sinir hücreleri arasındaki öğrenen bağlantı gibi davranan—küçük bir transistör tabanlı aygıt bulunuyor. Aygıt katmanlar halinde inşa edilmiş: şeffaf bir alt elektrot, yükleri tutabilen bir dielektrik film, özel olarak tasarlanmış bir ışık emici karışım ve üstte bir organik yarıiletken kanal. Zayıf ışık emici katmana çarptığında birkaç yük taşıyıcı üretiliyor ve uygulanan voltajla yönlendirilerek dielektrikte tutulup kanalda birikiyor. Bu, baykuş retinasındaki çubuk hücrelerin karanlığa uyum sağladıkça daha hassas hâle gelmesi gibi aygıtın elektriksel tepkisini kademeli olarak güçlendiriyor. Yazarlar, aygıtlarının standart kamera çiplerinin işleyebildiğinden yaklaşık üç mertebe daha zayıf olan santimetrekare başına 0,146 nanowatt kadar düşük ışık yoğunluklarına yanıt verebildiğini; ayrıca karanlığa uyumu nicelendiren güçlü, ayarlanabilir bir kazanç sergilediğini gösteriyorlar.

Yapay Bir Sinaps Gibi Davranmak

Sadece ışığı algılamanın ötesinde, aygıt biyolojik sinapsların etkinlikle güçlenip zayıflamasını da taklit ediyor. Ultraviyoleden yakın kızılötesiye kadar geniş bir renk yelpazesinde tekrarlanan ışık darbeleri altında aygıtın akımı kalıcı adımlarla artıyor ve optik geçmişin bir hafızasını saklıyor. Kapısına uygulanan elektrik darbeleri altında ise uzun süreli pekiştirme ve zayıflama gösteriyor—iletkenlikte kademeli, geri döndürülebilir değişimler ki bunlar yapay sinir ağlarındaki sinaptik "ağırlıkları" kodluyor. Bu ağırlıklar uçucu olmayan biçimde saklanıyor; yani aygıt sürekli enerji gerektirmeden bunları hatırlıyor ve çok seviyeli bir dijital değere benzer şekilde birden fazla düzey arasında ayarlanabiliyor. Kritik olarak, her sinaptik olayın enerji tüketimi yaklaşık 10 femtojul mertebesinde; bu, biyolojik sinapslar için yapılan tahminlerle karşılaştırılabilir veya daha düşük ve tipik yapay zeka donanımlarının enerji bütçelerinin çok altında.

Tek Sinapstan Görüş Sistemine

Bu davranışın ölçeklendirildiğinde de geçerli olduğunu doğrulamak için ekip 19×17 boyutlarında bir aygıt dizisi üretiyor ve bunların tutarlı biçimde çalıştığını gösteriyor. Zayıf bir ışık deseni diziye projelendiğinde, aydınlanan noktalardaki fotokurutlar adaptasyon sırasında kademeli olarak büyüyor ve ultra-düşük aydınlatma altında daha önce gizli olan şekiller ortaya çıkıyor; tıpkı baykuş retinasının karanlıkta bir görüntüyü keskinleştirmesi gibi. Yazarlar daha sonra aygıtın birden çok iletkenlik seviyesini makine öğrenmesi modellerindeki ağırlıklara eşliyor; bunlar arasında basit çok katmanlı algılayıcılar, konvolüsyonel ağlar ve derin VGG tarzı bir mimari yer alıyor. Nispeten kaba, ayrık ağırlıklara rağmen bu simüle edilmiş ağlar standart görüntü veri setlerinde hâlâ yüzde 90’ın üzerinde doğruluk elde ediyor; bu da sinaptik durumların pratik hesaplama için yeterli olduğunu gösteriyor.

İHA’lar ve Ötesi İçin Gece Görüşü

Gerçek dünya potansiyelini göstermek için araştırmacılar, küçük bir insansız hava aracına monte edilmiş havadan yere tanıma sistemi simüle ediyor; bu sistem, yıldız ışığı koşullarına karşılık gelen farklı parlaklık seviyelerinde giysi biçimli bir hedefi tespit edecek şekilde eğitilmiş durumda. Aygıtın zamana bağlı yanıtını yakalanan görüntülerin kontrastı ile ilişkilendirerek görüntüyü "uyarlayan" bir ön işleme aşaması inşa ediyorlar; bu aşama faydalı kontrastı artırırken gerçekçi sensör davranışı sınırları içinde kalıyor. Bu uyarlanmış verilerle eğitilen popüler bir nesne tespit ağı (YOLOv5), test edilen en düşük ışık seviyesinde bile yüzde 95’in üzerinde tanıma doğruluğuna ulaşıyor. Basitçe söylemek gerekirse, çalışma baykuş benzeri karanlığa uyum ile sensörde yerleşik sinaptik öğrenmeyi birleştirerek makine görüşünü geleneksel kameraların yetersiz kaldığı koşullara kadar çekmenin ve çok daha az enerji kullanmanın mümkün olduğunu gösteriyor. Bu tür bir teknoloji gelecekte arama-kurtarma İHA’larına, otonom kâşiflere veya daha az aydınlatmayla daha fazla görebilen astronomi araçlarına temel oluşturabilir.

Atıf: 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

Anahtar kelimeler: az ışıkta görüş, nöromorfik sensör, bayağı baykuştan esinlenen görüntüleme, yakın sensör hesaplaması, gece nesne tespiti