美国留学

IT HOME 5月14日新闻是澳大利亚RMIT大学的一项研究团队，开发了一种先进的脑型神经形态装置，可以模拟人脑处理信息的方式。这种紧凑的系统可以实时检测手势，存储记忆和处理视觉数据，而无需依赖外部计算机。

该设备的出现为高级机器人技术，自动驾驶汽车和下一代无缝的人机相互作用系统铺平了道路。 “这种概念验证设备模拟了人眼捕获光和大脑处理视觉信息的能力，并且可以在不消耗大量数据和能量的情况下立即感知环境的变化并立即形成记忆。”

神经形态的视觉和信息处理是快速发展的尖端领域，旨在开发更智能，更有效的计算和感知系统。其中，脉冲神经网络（SNN）是一种与真实脑细胞相似的关键方法，通过触发信号（即“脉冲”）传输信息。一个共同的模型是泄漏积分- 发出（LIF）模型，其中电信号积累直到达到一定的阈值并重置系统，这与真实神经元的行为高度相似。

尽管已使用多种光敏材料进行基本的类似大脑的功能测试，但完整的LIF行为的精确复制，尤其是系统存储和重置电气状态的方式并将其应用于视觉任务，但仍然是一个新兴和深入的领域。 RMIT研究人员将神经形态材料与先进的信号处理技术相结合，以开发可以实时捕获和处理视觉信息的设备。该技术的核心是钼二硫化物（MOS），它是一种具有原子缺陷的金属化合物，可以检测光并将其转化为人脑中神经元之类的电信号。

这项新研究表明，化学蒸气沉积技术制造的超薄MOS层可以模拟脑细胞的电荷和放电过程，这与泄漏整合分布（LIF）神经元模型高度一致。这些超薄层对光的响应方式使它们能够复制真实神经元的电气行为，并通过调整栅极电压，系统可以快速重置本身，从而提高响应速度，类似于真实大脑的工作方式。

研究人员使用MOS的关键光响应特征构建了脉冲神经网络（SNN）。该模型在15个培训后的静态图像任务中达到了75的准确性，在60个培训后的动态任务中，该模型的精度为80，显示出强大的实时视觉处理潜力。在实验中，设备通过边缘检测技术检测手势动作，避免逐帧捕获，从而减少数据和能耗。然后，该设备将这些更改存储为内存，并模拟大脑的功能。这项研究是在可见范围内进行的，进一步扩大了紫外光谱领域的先前研究结果。

RMIT博士生Thiha Aung说：“我们证明，二硫化物的原子薄钼可以准确地复制脉冲神经网络的基本构建块（LIF）神经元行为（LIF）神经元行为。”

根据研究团队的说法，先前基于紫外线的研究主要集中在静态图像检测，记忆和处理上。紫外线和可见光设备都有能力重置内存以准备新任务。

根据IT Home的说法，预计创新技术将显着提高自动驾驶汽车和高级机器人对视觉投入的响应能力，尤其是在高风险或快速变化的环境中。通过立即检测场景的变化并最大程度地减少数据处理要求，该技术可以实现更快，更有效的响应，同时还可以增强人类计算机互动在制造或个人帮助等领域的应用。

目前，研究人员将单像素原型扩展到新的研究基金支持的较大基于MOS的像素阵列。未来的计划包括优化设备来处理更复杂的视觉任务，提高能源效率并将其与传统数字系统集成在一起。

此外，研究团队正在探索其他材料，以扩展设备功能在红外光范围内，以供排放跟踪和智能环境感知等应用。该团队的研究结果已发表在《 《先进材料技术》杂志上（高级材料技术）。