機器學習為計算機的眼睛塑造微波

杜克大學和法國尼斯物理研究所的工程師們開發了一種使用微波識別物體的新方法，該方法可以提高準確性，同時減少相關的計算時間和功耗要求。

該系統可以在諸如自動駕駛汽車，安全檢查和運動感應等至關重要的領域中提高物體識別和速度。

新的機器學習方法消除了中間商，跳過了創建圖像以供人分析的步驟，而是直接分析了純數據。它還共同確定最佳的硬件設置，以顯示最重要的數據，同時發現最重要的數據實際上是什么。在原理驗證研究中，安裝程序使用數十個測量值而不是通常需要的數百或數千個值來正確識別出一組3-D數字。

研究結果于12月6日在線發表在《先進科學》雜志上，該研究結果由David R. Smith，杜克大學的D.電氣和計算機工程杰出教授，杜克大學的生物醫學工程助理教授Roarke Horstmeyer共同完成。

霍斯特邁爾說：“物體識別方案通常會進行測量，并去解決所有這些麻煩，以使人們能看到并欣賞的圖像。” “但這效率低下，因為計算機根本不需要'看'圖像。”

Smith的研究助理Aaron Diebold補充說：“這種方法規避了這一步驟，并允許程序捕獲圖像形成過程可能會遺漏的細節，而忽略了它不需要的場景其他細節。” “基本上，我們試圖直接從機器的眼睛看物體。”

在這項研究中，研究人員使用一種超材料天線，可以將微波波陣面雕刻成許多不同的形狀。在這種情況下，超材料是一個8x8的正方形網格，每個網格都包含允許其動態調諧以阻止或傳輸微波的電子結構。