La ricerca sull’IA presso il CNRS francese propone un meta-imager programmabile intelligentemente adattativo al rumore un approccio tempestivo al rilevamento specifico del compito e adattivo al rumore

The CNRS French AI research proposes a timely approach to task-specific detection and noise-adaptive programming of a smartly programmable meta-imager.

Ricercatori del CNRS francese hanno sviluppato un Meta-Imager Programmabile Intelligentemente Adattativo al Rumore. I sistemi di rilevamento sono sempre più utilizzati in molti aspetti della nostra vita, compresi le interfacce uomo-computer senza contatto, i veicoli senza conducente e l’assistenza sanitaria ambientale. Tuttavia, questi sistemi spesso mancano di intelligenza in quanto hanno la tendenza a raccogliere tutte le informazioni, indipendentemente dalla loro rilevanza. Ciò può comportare invasioni della privacy e una perdita di tempo, sforzo e risorse di elaborazione durante l’elaborazione dei dati.

Tuttavia, le procedure di misurazione nelle applicazioni pratiche sono inevitabilmente influenzate da diversi tipi di rumore. Ogni misurazione è intrinsecamente accompagnata da rumore. In particolare, negli ambienti interni in cui i segnali elettromagnetici trasmessi devono essere ridotti al minimo, il rapporto segnale-rumore può essere scarso. Per avanzare nella ricerca precedente, i ricercatori del CNRS francese hanno sviluppato un meta-imager computazionale programmabile intelligentemente che non solo adatta il suo schema di illuminazione a un particolare compito di estrazione delle informazioni, come il riconoscimento degli oggetti, ma anche a vari tipi e livelli di rumore.

Il rumore di qualche tipo e intensità inevitabilmente inficia i processi di misurazione. Noi postuliamo che il tipo e la quantità di rumore influenzino gli schemi di illuminazione coerenti migliori che un meta-imager intelligente e programmabile dovrebbe utilizzare per estrarre efficacemente informazioni specifiche del compito da un’immagine. È considerato un sistema di imaging computazionale programmabile a multi-shot a trasmettitore singolo e a rivelatore singolo. Questi sistemi sono particolarmente rilevanti nel dominio delle microonde, in cui i costosi trasmettitori possono essere sostituiti da aperture di metasuperficie programmabili, che possono sintetizzare fronti d’onda coerenti da una singola catena radiofrequenza.

• 8 cose che la maggior parte dei programmi di data science non insegnano (ma dovresti sapere) – Parte 1
• Pandas Come codificare i dati con One-Hot Encoding
• Come risolvere i problemi di ottimizzazione utilizzando la programmazione lineare

L’influenza delle restrizioni di latenza e del rumore sui meta-imager programmabili intelligenti a multi-shot viene esplorata attentamente in questo articolo, secondo i ricercatori. I ricercatori hanno studiato un comune problema di riconoscimento degli oggetti e hanno suggerito un sistema di meta-imager computazionale a microonde programmabile per testare la loro teoria. Questi sistemi potrebbero essere utilizzati per l’osservazione della Terra, la sorveglianza interna, ecc.

Nel loro modello, un’antenna a metasuperficie dinamica a microonde (DMA) utilizzava un singolo trasmettitore per inviare una serie di fronti d’onda coerenti alla scena, mentre un secondo DMA utilizzava un singolo rivelatore per raccogliere coerentemente le onde riflesse. È stato sviluppato un flusso di informazioni differenziabili end-to-end, comprensivo delle future fasi di elaborazione digitale e del processo di misurazione fisicamente programmabile con rumore.

Questa ottimizzazione congiunta, che coinvolge l’ottimizzazione congiunta end-to-end specifica del compito dei parametri fisici addestrabili e dei parametri digitali addestrabili, conferisce al processo di misurazione la consapevolezza del compito, consentendogli di distinguere tra informazioni nel dominio analogico rilevanti per il compito in questione e informazioni che non lo sono.

Quando la quantità di informazioni che possono essere estratte da una scena è limitata dai vincoli di latenza e/o dal rumore, gli scienziati hanno scoperto che questo meta-imager programmabile, che genera una sequenza di illuminazioni specifiche per il compito e specifiche per il rumore della scena, funziona meglio rispetto alla compressione convenzionale con configurazioni casuali.

Sono state osservate migliorie delle prestazioni sia per i tipi di rumore indipendenti dal segnale che per i tipi di rumore dipendenti dal segnale. Nonostante il carattere “black box” del metodo, gli aspetti “macroscopici” dei modelli di illuminazione appresi, in particolare i loro sovrapposizioni reciproche e le intensità, sono risultati intuitivamente accessibili.

Secondo i ricercatori, il passaggio a un sistema che riconosce autonomamente il tipo e la quantità di rumore e modifica di conseguenza le sue configurazioni DMA senza ulteriori input umani è semplice.