menu
close

Team Giapponese Crea una Sinapsi AI Autoalimentata per l’Edge Computing

Ricercatori dell’Università di Scienza di Tokyo hanno sviluppato una rivoluzionaria sinapsi artificiale autoalimentata in grado di distinguere i colori con una precisione quasi umana, generando al contempo la propria energia elettrica. Il dispositivo, che integra celle solari sensibilizzate con coloranti, affronta due grandi sfide della visione artificiale: il rilevamento dei colori ad alta precisione e l’efficienza energetica. Questa innovazione potrebbe rivoluzionare l’edge computing, abilitando l’elaborazione visiva in dispositivi con risorse limitate e senza fonti di alimentazione esterne.
Team Giapponese Crea una Sinapsi AI Autoalimentata per l’Edge Computing

Un team di ricerca guidato dal Professore Associato Takashi Ikuno dell’Università di Scienza di Tokyo ha sviluppato una sinapsi artificiale autoalimentata rivoluzionaria, in grado di imitare la visione dei colori umana richiedendo un’energia minima, con il potenziale di trasformare le applicazioni di intelligenza artificiale all’edge.

Il dispositivo, descritto in un articolo pubblicato su Scientific Reports il 12 maggio 2025, integra due diverse celle solari sensibilizzate con coloranti che rispondono a varie lunghezze d’onda della luce. A differenza dei sistemi convenzionali che necessitano di alimentazione esterna, questa sinapsi artificiale genera la propria elettricità tramite la conversione dell’energia solare, rendendola ideale per applicazioni di edge computing dove l’efficienza energetica è fondamentale.

La sinapsi è in grado di distinguere i colori lungo tutto lo spettro visibile con una risoluzione notevole di 10 nanometri, avvicinandosi alle capacità visive umane. Produce polarità di tensione opposte sotto luci di colori diversi—positiva per il blu e negativa per il rosso—consentendo di eseguire operazioni logiche complesse senza circuiteria aggiuntiva.

“I risultati mostrano un grande potenziale per l’applicazione di questo dispositivo optoelettronico di nuova generazione a sistemi di intelligenza artificiale a basso consumo con riconoscimento visivo,” spiega il Professor Ikuno. Testato in un framework di reservoir computing, il sistema ha raggiunto un’accuratezza dell’82% nella classificazione di 18 diverse combinazioni colore-movimento utilizzando un solo dispositivo, rispetto ai molteplici fotodiodi richiesti dagli approcci tradizionali.

Questa innovazione affronta una sfida significativa nell’implementazione di sistemi di visione avanzati su dispositivi edge, dove limiti di potenza e calcolo hanno tradizionalmente ridotto le capacità. La tecnologia potrebbe abilitare un’elaborazione visiva più efficiente in smartphone, droni, dispositivi indossabili per la salute e veicoli autonomi.

I ricercatori prevedono un’ampia gamma di applicazioni per la loro innovazione, inclusi sensori ottici a basso consumo per smartwatch autonomi e dispositivi medici, con la possibilità di ridurre significativamente i costi rispetto alle tecnologie attuali. Con la visione artificiale sempre più centrale nelle tecnologie moderne, questa sinapsi autoalimentata rappresenta un passo fondamentale verso l’integrazione di capacità di computer vision sofisticate nei dispositivi di uso quotidiano con un consumo energetico minimo.

Source:

Latest News