Les scientifiques ont amélioré la récupération par détection compressée grâce à une solution matérielle analogique rapide et efficace, promettant des améliorations significatives dans des domaines tels que l’imagerie médicale et les technologies de communication (concept de l’artiste). Crédit : Issues.fr.com
Une équipe de chercheurs dirigée par le professeur Sun Zhong de l’Université de Pékin a récemment dévoilé une approche matérielle analogique pour la récupération de détection compressée en temps réel. Leurs conclusions ont été documentées dans un article récemment publié dans Avancées scientifiques.
Dans ce travail, une conception basée sur un réseau de mémoire résistive (également connu sous le nom de memristor) pour effectuer une multiplication matrice-matrice-vecteur instantanée (MMVM) est d’abord introduite. Sur la base de ce module, l’invention concerne un circuit informatique matriciel analogique qui résout la récupération de détection compressée (CS) en une seule étape (en quelques microsecondes).
Importance du CS dans la technologie moderne
CS est la pierre angulaire du traitement moderne du signal et de l’image, dans de nombreux domaines importants tels que l’imagerie médicale, les communications sans fil, le suivi d’objets et les caméras à pixel unique. En CS, les signaux clairsemés peuvent être fortement sous-échantillonnés dans le capteur frontal, ce qui dépasse le taux de Nyquist et améliore ainsi considérablement l’efficacité de l’échantillonnage.
Dans le processeur principal, les signaux originaux peuvent être fidèlement reconstruits en résolvant un problème d’approximation clairsemé. Cependant, l’algorithme de récupération CS est généralement très compliqué et implique des opérations matrice-matrice de haute complexité et des fonctions non linéaires ponctuelles. En conséquence, la récupération CS dans le processeur back-end est devenue le goulot d’étranglement accepté dans le pipeline CS, ce qui empêche son application dans des scénarios de traitement du signal en temps réel et à grande vitesse.
Défis et innovations dans la récupération CS
Pour accélérer le calcul de la récupération CS, deux axes d’efforts ont été déployés dans le domaine numérique traditionnel, en utilisant soit des algorithmes avancés (par exemple, l’apprentissage profond), soit des processeurs parallèles (par exemple, GPU, FPGA et ASIC). Cependant, l’efficacité du calcul est fondamentalement limitée par la complexité polynomiale des opérations matricielles dans les processeurs numériques.
À cette fin, l’informatique analogique a été considérée comme une approche efficace pour accélérer la récupération du CS, grâce à son parallélisme informatique inhérent. Néanmoins, encore une fois, en raison de la grande complexité des algorithmes de récupération CS, les solutions informatiques analogiques précédentes s’appuient soit sur une multiplication matrice-matrice pré-calculée qui est d’une complexité cubique, soit sur un processus itératif discret qui nécessite des conversions analogiques-numériques coûteuses mais fréquentes. . Par conséquent, résoudre la récupération CS en une seule étape reste un défi de taille.
Applications pratiques et potentiel futur
Afin de résoudre ce problème, l’équipe de l’Université de Pékin a d’abord conçu un module informatique analogique en mémoire qui implémente MMVM en une seule étape, évitant ainsi le pré-calcul de la multiplication matrice-matrice. En connectant ce module MMVM à d’autres composants analogiques pour former une boucle de rétroaction, le circuit résultant mappe avec précision l’algorithme compétitif local (LCA), qui résout la récupération CS en une seule étape sans itérations discrètes.
Pour valider le circuit, l’équipe a fabriqué une matrice de mémoire résistive avec un processus semi-conducteur standard, sur la base duquel le circuit LCA a été construit sur un PCB pour effectuer une récupération CS. Les données compressées ont été converties en signaux de tension d’entrée dans le circuit et les signaux récupérés ont été acquis en temps continu.
Avec ce circuit, la récupération de signaux clairsemés 1D, d’images RVB naturelles 2D et d’images par résonance magnétique (IRM) a été démontrée dans des expériences. L’erreur quadratique moyenne normalisée (NMSE) est d’environ 0,01 et le rapport signal/bruit (PSNR) maximal des images est de 27 dB. On estime que la vitesse de ce circuit est 1 à 2 fois plus rapide que les approches numériques traditionnelles telles que l’apprentissage profond, et est également meilleure que d’autres solutions informatiques analogiques électroniques ou photoniques. Le circuit est très prometteur pour être implémenté dans le processeur CS back-end pour offrir une capacité de traitement en temps réel en régime de la microseconde, ce qui pourrait à son tour permettre des techniques médicales, visuelles et de communication avancées.
