这项被称为神经形态装置的创新技术模拟了人脑的工作方式。据该项目首席研究员Sumeet Walia教授称，它可能为自动驾驶汽车、智能机器人以及其他旨在与人更自然互动的智能技术的超快速视觉处理铺平道路。
利用模拟电源实现节能
与耗能巨大的传统数字系统不同，神经形态视觉技术采用与人类大脑运作方式类似的模拟处理方式。这种方法使其能够以更高的能效处理复杂的视觉任务。
“神经形态视觉系统旨在采用与人类大脑类似的模拟处理方式，与当今使用的数字技术相比，这可以显著降低执行复杂视觉任务所需的能量。”皇家墨尔本理工大学光电材料与传感器中心（COMAS）主任Walia说道。
具有记忆力的材料
这项工作结合了神经形态材料和先进的信号处理技术，由COMAS副主任Akram Al-Hourani教授领导。该设备的核心是二硫化钼（MoS2）——一种厚度仅为几个原子的金属化合物。
在他们最新的研究中，科学家们展示了如何利用MoS2中原子级的微小缺陷来探测光并将其转换为电信号。这类似于大脑中神经元的激活和交流方式，使该设备能够实时捕捉和处理视觉信息。
“这款概念验证设备模拟了人眼捕捉光线的能力和大脑处理视觉信息的能力，使其能够即时感知环境变化并形成记忆，而无需使用大量数据和能源。”Walia说道，“相比之下，当前的数字系统非常耗电，无法跟上数据量和复杂性的增长，这限制了它们做出‘真正’实时决策的能力。”该研究发表在《先进材料技术》杂志上。
观察运动，构建记忆
在实验中，该设备无须逐帧捕捉事件，即可检测到挥动手部运动的变化——这被称为边缘检测，所需的数据处理和功耗显著降低。一旦检测到变化，该设备就会像大脑一样将这些事件存储为记忆。
研究人员在人眼可见的光谱范围内进行了实验，这建立在团队先前在紫外线领域的神经形态研究的基础上。
该研究的第一作者Thiha说道：“我们证明了原子级厚度的二硫化钼可以精确复制漏积分激发（LIF）神经元的行为，这是脉冲神经网络的基本组成部分。”过去的紫外线研究仅涉及静态图像的检测、记忆构建和处理。在可见光谱和紫外线设备中，记忆都可以重置，以便设备准备好执行下一个任务。
拯救生命的速度和实际应用
该团队的创新有望在未来缩短自动驾驶汽车和先进机器人系统对视觉信息的响应时间，这至关重要，尤其是在危险且不可预测的环境中。
“神经形态视觉在这些应用中仍需多年才能实现，它几乎可以即时检测到场景的变化，无需处理大量数据，从而实现更快的响应速度，从而挽救生命。”Walia说道。
“对于在制造业中与人类紧密合作或作为个人助理的机器人，神经形态技术可以通过以最小的延迟识别和响应人类行为来实现更自然的交互。”Al-Hourani补充道。
规模化发展与未来展望
该团队目前正在将概念验证的单像素设备扩展至更大的基于二硫化钼的像素阵列。
澳大利亚研究委员会最近为该团队提供了“连接基础设施、设备和设施”（LIEF）拨款，以支持其神经形态设备的规模化发展。
Walia表示，虽然他们的系统模拟了大脑神经处理的某些方面，尤其是在视觉方面，但它仍然是一个简化的模型。下一步的工作将优化这些设备，使其能够执行更复杂的视觉任务，并进一步降低功耗。该团队计划开发混合系统，将他们的模拟技术与传统的数字电子设备相结合。
混合未来：模拟与数字的碰撞
Walia认为当前的工作是对传统计算的补充，而不是替代。传统系统在许多任务上表现出色，而神经形态技术在视觉处理方面则更具优势，因为在这些领域，能源效率和实时操作至关重要。
该团队还在研究除二硫化钼（MoS2）之外的其他材料，这些材料可能将功能扩展到红外领域，从而实现对全球排放的实时追踪，以及对有毒气体、病原体和化学物质等污染物的智能感知。（逸文）
