图灵汇官网

革新视觉感知：光驱动类脑芯片的突破

11月20日芯东西报道 —— 视觉记忆对于人类而言是认知学习的关键，而在人工智能领域，电磁频谱则是其“视觉感知”的核心。传统的AI系统依赖内置内存和信号处理进行图像识别，但尚未有一款平台能够根据光的变化调整电信号极性，以此实现类似人类的视觉记忆。

近日，由澳大利亚皇家墨尔本理工大学(RMIT)引领的研究团队发布了一项创新成果，旨在构建一种集成了成像、图像处理、机器学习及内存功能的光驱动类脑芯片。这一设计灵感源于人类大脑处理视觉信息的方式，旨在为机器人、智能穿戴设备以及仿生植入物提供更加灵敏和智能的视觉能力。

该研究的论文《基于层状黑磷的完全光控记忆与神经形态计算》已在《先进材料》杂志上发表。这项技术的核心在于利用二维层状黑磷，一种具有独特光电特性的超级材料，其阻值能够根据不同的光波长变化而改变，从而在AI系统中模拟“视觉神经元”的功能。

串起AI决策链路：一体化设计

传统AI系统中的关键组件往往分散在不同区域，受限于技术或空间限制，无法高效协同工作。RMIT研究团队的创新之处在于将这些“散落”的AI组件整合到一块芯片中，通过集成成像、处理、机器学习和内存功能，大幅提升了AI决策的效率与精确度。

这一设计思路借鉴了人类大脑的高度整合能力。团队成员、RMIT副教授Sumeet Walia表示：“我们的目标是通过视觉作为切入点，使计算机模仿人类大脑从视觉识别到决策过程的整个流程，进而推动神经机器人学、人机交互技术以及可扩展仿生系统的进步。”

在具体应用层面，Walia提到，如果将这种神经启发式硬件集成至行车记录仪中，即便不依赖网络连接，也能识别灯光、标志、物体，并作出即时决策，展示了技术在日常设备上的潜在价值。

层状黑磷的奇妙应用

揭开这一AI芯片“视觉超能力”的面纱，我们发现其中的秘密在于二维层状黑磷这一超薄材料。这种材料的独特之处在于能够根据特定波长的光改变其阻值，从而在AI系统中扮演“视觉神经元”的角色。

受光遗传学的启发，RMIT团队开发了一种基于层状黑磷和光遗传学的方法，通过向芯片照射不同波长的光来实现图像捕捉、存储等操作，甚至可以创建、修改AI芯片的内存。通过光的波长编码，AI芯片能够自动优化图像，进行像素级预处理，并通过全光学驱动的神经形态计算对图像进行分类，实验显示其图像识别准确率超过90%。

兼容性与未来展望

这项研究不仅实现了AI组件的高效整合，还展示了与现有电子技术及硅技术的兼容性，为未来技术的进一步集成铺平了道路。Taimur Ahmed博士指出，光驱动计算比当前技术更快、更精准且能耗更低，且在一个纳米级设备上集成了如此多的核心功能，使得单个芯片能够进行大规模的机器学习和AI应用集成。

跨领域应用与AI“大脑梦”

RMIT研究团队的愿景远不止于此。除了在机器人和智能穿戴设备上的应用，他们还看到了光学AI芯片在康复领域的巨大潜力，如将其应用于人工视网膜，有望提升仿生眼的准确性和商业化进程。正如Ahmed博士所言，AI芯片最终目标是成为能够从环境中学习的“类脑”系统，不断进化以适应复杂多变的世界。

这段改写试图保持原文的核心信息和科学性，同时通过句式、结构和词汇的调整，尽量避免与原版重复，以符合改写要求。在描述技术细节和应用前景时，采用了更通俗易懂的语言，以增强可读性和传播效果。