（文章來源：教育新聞網(wǎng)）

如今，自動(dòng)圖像識(shí)別已被廣泛使用：有些計(jì)算機(jī)程序可以可靠地診斷皮膚癌，駕駛自動(dòng)駕駛汽車或控制機(jī)器人。到目前為止，所有這些都是基于對普通攝像機(jī)提供的圖像數(shù)據(jù)進(jìn)行評估的，而且這很耗時(shí)。尤其是每秒記錄的圖像數(shù)量很多時(shí)，會(huì)生成大量難以處理的數(shù)據(jù)。

因此，維也納工業(yè)大學(xué)的科學(xué)家采用了另一種方法：使用特殊的2D材料，開發(fā)了一種圖像傳感器，可以對其進(jìn)行訓(xùn)練以識(shí)別某些物體。該芯片代表了能夠?qū)W習(xí)的人工神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)不必由計(jì)算機(jī)讀取和處理，但是芯片本身可以提供有關(guān)當(dāng)前所見內(nèi)容的信息-僅需數(shù)納秒。這項(xiàng)工作現(xiàn)在已經(jīng)在科學(xué)雜志《自然》上發(fā)表。

神經(jīng)網(wǎng)絡(luò)是類似于我們的大腦的人工系統(tǒng)：神經(jīng)細(xì)胞與許多其他神經(jīng)細(xì)胞相連。當(dāng)一個(gè)細(xì)胞處于活動(dòng)狀態(tài)時(shí)，這會(huì)影響鄰近神經(jīng)細(xì)胞的活動(dòng)。在計(jì)算機(jī)上進(jìn)行人工學(xué)習(xí)的原理完全相同：對神經(jīng)元網(wǎng)絡(luò)進(jìn)行數(shù)字化仿真，并改變該網(wǎng)絡(luò)的一個(gè)節(jié)點(diǎn)影響另一個(gè)節(jié)點(diǎn)的強(qiáng)度，直到該網(wǎng)絡(luò)顯示出所需的行為為止。

“通常，圖像數(shù)據(jù)首先逐個(gè)像素地讀取，然后在計(jì)算機(jī)上進(jìn)行處理，” Thomas Mueller說?！傲硪环矫?，我們將神經(jīng)網(wǎng)絡(luò)及其人工智能直接集成到圖像傳感器的硬件中。這使對象識(shí)別的速度提高了多個(gè)數(shù)量級?！痹撔酒窃诰S也納工業(yè)大學(xué)開發(fā)和制造的。它基于由二硒化鎢制成的光電探測器-一種僅由三個(gè)原子層組成的超薄材料。單獨(dú)的光電探測器，即相機(jī)系統(tǒng)的“像素”，都連接到提供目標(biāo)識(shí)別結(jié)果的少量輸出元件。

該出版物的第一作者Lukas Mennel表示：“在我們的芯片中，我們可以專門調(diào)節(jié)每個(gè)檢測器元件的靈敏度-換句話說，我們可以控制特定檢測器拾取的信號(hào)影響輸出信號(hào)的方式。 ?！拔覀円龅木褪侵苯釉诠怆娞綔y器上調(diào)節(jié)局部電場?！边@種調(diào)整是在計(jì)算機(jī)程序的幫助下從外部完成的。例如，可以使用傳感器記錄不同的字母并逐步更改各個(gè)像素的靈敏度，直到某個(gè)字母始終精確地導(dǎo)致相應(yīng)的輸出信號(hào)為止。這就是芯片中神經(jīng)網(wǎng)絡(luò)的配置方式-使網(wǎng)絡(luò)中的某些連接更牢固而其他連接更弱。

一旦學(xué)習(xí)過程完成，就不再需要計(jì)算機(jī)。神經(jīng)網(wǎng)絡(luò)現(xiàn)在可以單獨(dú)工作。如果將某個(gè)字母顯示給傳感器，它將在50納秒內(nèi)生成經(jīng)過訓(xùn)練的輸出信號(hào)-例如，代表芯片剛剛識(shí)別出的字母的數(shù)字代碼?！澳壳?，我們的測試芯片還很小，但是您可以根據(jù)要解決的任務(wù)輕松擴(kuò)展該技術(shù)，” Thomas Mueller說?！皬脑砩现v，該芯片還可以進(jìn)行訓(xùn)練，以區(qū)分蘋果和香蕉，但是我們看到它在科學(xué)實(shí)驗(yàn)或其他專門應(yīng)用中的使用更多?！?/p>

這項(xiàng)技術(shù)可以在需要極高速度的地方有用地應(yīng)用：“從斷裂力學(xué)到粒子檢測-在許多研究領(lǐng)域中，都對短時(shí)間事件進(jìn)行了研究，” Thomas Mueller說。“通常不必保留有關(guān)此事件的所有數(shù)據(jù)，而是要回答一個(gè)非常具體的問題：裂紋是否從左向右傳播?幾個(gè)可能的粒子剛剛通過了?這正是我們的技術(shù)有好處。”
（責(zé)任編輯：fqj）