El espectro es una de las dimensiones más importantes de la información luminosa, conocido como el "gen de la luz" y la "huella dactilar de la luz". La imagen hiperespectral permite obtener simultáneamente información espectral multidimensional del objetivo, y es una tecnología de percepción central en campos como la teledetección aeroespacial, la conducción inteligente, la monitorización ambiental y la medicina de precisión. El equipo del académico Zhang Jun de la Universidad de Tecnología de Beijing propuso por primera vez a nivel internacional el concepto original de computación dedicada a espectros, creando una nueva arquitectura de computación espectral en chip que resuelve el problema del análisis en tiempo real de imágenes hiperespectrales en línea. Los resultados de la investigación fueron publicados el 28 de agosto en la revista internacional Science.
La imagen hiperespectral genera cantidades masivas de datos, pero el modelo tradicional de recopilar datos brutos en el sitio y transmitirlos a servidores remotos para su análisis posterior limita gravemente la aplicación práctica de esta tecnología en escenarios dinámicos y complejos. Por lo tanto, es urgente que los terminales de percepción realicen localmente la reconstrucción espectral, el reconocimiento de materiales y el análisis de información, logrando "percibir es analizar, capturar es decidir".
El equipo superó la dependencia de las CPU/GPU genéricas y las limitaciones de la arquitectura clásica de computación por división temporal de Von Neumann, proponiendo de manera innovadora un método de computación paralela en el dominio de datos. Este método mapea directamente el grafo completo de computación espectral al espacio físico del hardware del chip, construyendo canales de flujo de datos continuos compuestos por operadores de hardware distribuidos, eliminando por completo el tiempo de espera inactivo del hardware de computación. Así se logra el salto de la imagen hiperespectral desde el "procesamiento posterior fuera de línea" hasta la "computación en tiempo real in situ en chip", abriendo una nueva ruta tecnológica para la próxima generación de sistemas de visión hiperespectral integrados y embebidos.
Basándose en esta arquitectura original, el equipo completó un ciclo de ingeniería integral que abarca desde la exploración teórica, el desarrollo de chips hasta la fabricación de equipos completos, superando sucesivamente una serie de tecnologías clave como la aceleración de hardware para flujos de datos de alta densidad, la fabricación de chips dedicados a la computación espectral y redes ligeras de reconstrucción espectral basadas en IA. Desarrollaron de forma independiente el primer microsistema de imágenes hiperespectrales integrado y en tiempo real del mundo: HyperVision.
El peso total del equipo HyperVision es de solo aproximadamente 950 gramos, con un consumo de energía de solo 25,3 vatios, un orden de magnitud inferior al de las soluciones tradicionales basadas en GPU. Integra un chip de computación espectral dedicado de desarrollo propio y un sensor de imágenes espectrales de banda ancha, junto con un módulo de batería de gran capacidad y una pantalla de alta definición. Presenta ventajas como tamaño reducido, peso ligero, bajo consumo energético, larga duración de batería y gran capacidad inteligente. No requiere alimentación externa ni depende de clústeres de computación externos, y produce de manera estable imágenes hiperespectrales en tiempo real a nivel de video en la banda ancha visible-infrarrojo cercano.
El equipo ya ha completado pruebas de validación del sistema en escenarios dinámicos reales como conducción inteligente, monitoreo de humo e imágenes aéreas de drones hacia el suelo. Los revisores evaluaron este logro como una "optimización profunda de la arquitectura del sistema", un "avance tecnológico de gran importancia" con una "madurez de ingeniería poco común".
En 2024, el equipo de Zhang Jun superó el desafío de la codificación óptica en chip y publicó un artículo en Nature. Este nuevo logro supera además el cuello de botella computacional. HyperVision ha conectado toda la cadena de la tecnología de imágenes hiperespectrales, desde la teoría de laboratorio hasta equipos portátiles ligeros y aplicaciones de percepción en tiempo real en línea, abriendo un nuevo espacio de posibilidades para campos estratégicos emergentes como la teledetección aeroespacial, la conducción inteligente, la agricultura inteligente y la medicina de precisión, así como para nuevas pistas industriales de productividad de vanguardia.