menu
close

Japans Team Ontwikkelt Zelfvoorzienende AI-synaps voor Edge Computing

Onderzoekers van de Tokyo University of Science hebben een baanbrekende, zelfvoorzienende kunstmatige synaps ontwikkeld die kleuren met bijna menselijke precisie kan onderscheiden en daarbij zijn eigen elektriciteit opwekt. Het apparaat, dat gebruikmaakt van kleurstof-gevoelige zonnecellen, pakt twee grote uitdagingen in machinevisie aan: uiterst nauwkeurige kleurdetectie en energie-efficiëntie. Deze innovatie kan edge computing revolutioneren door visuele verwerking mogelijk te maken in apparaten met beperkte middelen, zonder externe stroombron.
Japans Team Ontwikkelt Zelfvoorzienende AI-synaps voor Edge Computing

Een onderzoeksteam onder leiding van universitair hoofddocent Takashi Ikuno van de Tokyo University of Science heeft een revolutionaire, zelfvoorzienende kunstmatige synaps ontwikkeld die het menselijk kleurenzicht nabootst en daarbij minimale energie vereist. Dit kan een transformatie betekenen voor toepassingen van edge-AI.

Het apparaat, beschreven in een artikel gepubliceerd in Scientific Reports op 12 mei 2025, integreert twee verschillende kleurstof-gevoelige zonnecellen die reageren op diverse golflengtes van licht. In tegenstelling tot conventionele systemen die externe stroom nodig hebben, wekt deze kunstmatige synaps zijn eigen elektriciteit op via zonne-energie, waardoor het ideaal is voor edge computing-toepassingen waar energie-efficiëntie cruciaal is.

De synaps kan kleuren onderscheiden over het volledige zichtbare spectrum met een opmerkelijke resolutie van 10 nanometer, wat de menselijke visuele capaciteiten benadert. Het apparaat genereert tegengestelde spanningspolariteiten bij verschillende kleuren licht—positief voor blauw en negatief voor rood—waardoor het complexe logische bewerkingen kan uitvoeren zonder extra schakelingen.

"De resultaten tonen groot potentieel voor de toepassing van dit opto-elektronische apparaat van de volgende generatie in energiezuinige AI-systemen met visuele herkenning," legt professor Ikuno uit. Toen het systeem werd getest binnen een reservoir computing-framework, behaalde het een nauwkeurigheid van 82% bij het classificeren van 18 verschillende kleur-bewegingcombinaties met slechts één enkel apparaat, terwijl traditionele benaderingen meerdere fotodiodes vereisen.

Deze doorbraak biedt een oplossing voor een belangrijk obstakel bij het inzetten van geavanceerde visiesystemen in edge-apparaten, waar beperkingen in stroomvoorziening en rekenkracht traditioneel de mogelijkheden beperkten. De technologie kan efficiëntere visuele verwerking mogelijk maken in smartphones, drones, draagbare gezondheidsapparaten en autonome voertuigen.

De onderzoekers voorzien brede toepassingen voor hun innovatie, zoals energiezuinige optische sensoren in zelfstandige smartwatches en medische apparaten, wat mogelijk de kosten aanzienlijk kan verlagen ten opzichte van huidige technologieën. Nu machinevisie steeds belangrijker wordt in moderne technologieën, vormt deze zelfvoorzienende synaps een grote stap richting het beschikbaar maken van geavanceerde computervisie in alledaagse apparaten met minimale energiebehoefte.

Source:

Latest News