de.wedoany.com-Bericht: Ein Forschungsteam unter der Leitung der Pennsylvania State University (Penn State) hat einen neuartigen photo-elektrischen Memristor entwickelt, der den Anpassungsmechanismus des menschlichen Auges nachahmt und sich innerhalb von Sekunden von hellen an dunkle Umgebungen anpassen kann. Dies könnte die visuelle Zuverlässigkeit von autonomen Fahrzeugen und Präzisionsrobotern unter gemischten Lichtverhältnissen verbessern.
Die Studie wurde am 9. Juni in der Fachzeitschrift „Nature Communications“ veröffentlicht. Das Forschungsteam veränderte die Konstruktionsweise der zentralen elektrischen Komponente im optischen System, sodass diese je nach Lichtverhältnissen Wasser aufnehmen, quellen oder Wasser abgeben, schrumpfen kann, um so die Empfindlichkeit dynamisch zu regulieren. Diese Komponente wird als Memristor bezeichnet – ein winziges Gerät, das auch nach dem Ausschalten Daten speichern kann und die Art und Weise nachahmt, wie das Gehirn Informationen verarbeitet und speichert. Die darin enthaltenen photo-elektrischen Memristoren können Lichtinformationen erfassen und sammeln, sie in elektrischen Strom umwandeln und fortschrittliche Kameras und optische Systeme mit Energie versorgen.
Herkömmliche photo-elektrische Memristoren sind in der Regel für konstante Lichtverhältnisse kalibriert und optimiert, was es schwierig macht, die Erkennungsgenauigkeit unter wechselnden oder gemischten Lichtbedingungen beizubehalten. Larry Cheng, außerordentlicher Professor für Ingenieurwissenschaften und Mechanik (James L. Henderson Jr. Memorial) an der Penn State und korrespondierender Autor der Studie, erklärte, dass bei Nachtfahrten autonomer Fahrzeuge der Kontrast zwischen dem dunklen Himmel und den hellen Scheinwerfern des vorausfahrenden Fahrzeugs dazu führt, dass künstliche optische Systeme unter gemischten Lichtverhältnissen leicht Fehler bei der Erkennung von Details (wie dem roten Leuchten von Rücklichtern) machen.
Die Stäbchen und Zapfen im menschlichen Auge helfen dem Sehvermögen, sich an unterschiedliche Lichtverhältnisse anzupassen: Die Stäbchen ermöglichen es dem Auge, im Dunkeln Details zu unterscheiden, aber bei starkem Licht werden ihre Sehpigmente „gebleicht“ und regenerieren sich dann langsam; die Zapfen bleiben erhalten und ermöglichen dem Auge, Kontrastdetails zu unterscheiden. Das Forschungsteam übertrug diesen Mechanismus auf das Design des photo-elektrischen Memristors. Sie verwendeten hauptsächlich zwei Materialien für den Aufbau des Bauteils: ein dehnbares, gelartiges Plastik namens PEDOT:PSS und Titandioxid (TiO2). TiO2 kann Licht einfangen und in einen Photostrom umwandeln. Diese Spannung durchläuft die Oberfläche von PEDOT:PSS und reguliert die Wassermenge, die das Plastik aus der Umgebung aufnimmt. In einer dunklen Umgebung nimmt das Material schnell Wasser auf; unter Lichteinwirkung gibt das Material Wasser ab und trocknet aus, sodass das Gerät seine Empfindlichkeit basierend auf den Umgebungslichtinformationen selbstständig anpassen kann.
Larry Cheng wies darauf hin, dass dieser entscheidende Designunterschied es dem System ermöglicht, sich dynamisch an wechselnde Lichtverhältnisse anzupassen, anders als herkömmliche Systeme, die normalerweise für eine einzige statische Szene entwickelt werden. Das Team testete das Gerät zunächst, indem es es ultraviolettem (UV) Licht unterschiedlicher Intensität aussetzte. Die Ergebnisse zeigten, dass der neuartige photo-elektrische Memristor die UV-Lichtintensität effizient und genau erkennen konnte, unbeeinflusst von externer Luftfeuchtigkeit. Jeder Memristor hat einen Durchmesser von nur einem halben Millimeter, etwas weniger als die Dicke einer Kreditkarte. Laut Larry Cheng kann das Bauteil je nach Anwendungsbedarf skaliert werden, indem es zu Arrays zusammengeschaltet wird, um großflächige Lichtmuster besser zu erkennen, ohne die Größe der einzelnen Elemente zu vergrößern.
Um die Leistung weiter zu bewerten, entwarf das Team ein Experiment, das einen augenärztlichen Test simulierte: Sie integrierten ein 4×4-Array aus photo-elektrischen Memristoren mit einem neuronalen Netzwerk, um ein grundlegendes visuelles System ähnlich dem in Autos und Robotern zu bilden. Sie formierten LEDs zu einem Buchstaben „F“ und platzierten diesen vor einem Hintergrund, dessen Helligkeit und Dunkelheit einstellbar waren. Nach sieben Trainingsiterationen erreichte das Gerät zusammen mit dem neuronalen Netzwerk eine Genauigkeit von über 95 % bei der Erkennung des Buchstabenmusters unter gemischten Lichtverhältnissen. Larry Cheng erklärte, dass das menschliche Auge 20 bis 30 Minuten benötigt, um sich vollständig an unterschiedliche Lichtverhältnisse anzupassen, während dieser photo-elektrische Memristor sich weitaus schneller anpasst als das menschliche Auge und gleichzeitig detaillierte Informationen über die äußere Umgebung erfassen kann.
In Zukunft plant das Team, den photo-elektrischen Memristor zu einem größeren multimodalen Sensorsystem weiterzuentwickeln, das gleichzeitig visuelle und taktile Daten interpretieren kann, um so den Stromverbrauch des Systems drastisch zu senken. Larry Cheng wies darauf hin, dass die Technologie langfristig möglicherweise sehbehinderten Menschen helfen könnte, ihr Sehvermögen mit Hilfe künstlicher optischer Geräte wiederzuerlangen. Sie könnte auch in bestehenden Antriebssystemen autonomer Fahrzeuge eingesetzt werden oder in der Mensch-Maschine-Interaktion und -Zusammenarbeit eine Rolle spielen, sodass Systeme wie Fabrikroboter in dunklen oder sich schnell ändernden Umgebungen besser funktionieren. Das Team hat bereits eine vorläufige Patentanmeldung für die Technologie eingereicht. Larry Cheng ist gleichzeitig in den Fachbereichen Maschinenbau, Biomedizinische Technik, Bauingenieurwesen, Industrie- und Fertigungstechnik, Materialwissenschaft und Werkstofftechnik sowie am Materialforschungsinstitut tätig.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
