近年來，隨著人工智能（AI）應用場景需求的不斷拓寬，人們對于AI的處理速度、能耗，以及系統(tǒng)、硬件尺寸大小的要求也越來越高。當前，越來越多的科學家也開始從“類人腦”的角度出發(fā)，致力于將 AI 推向另一個高點。

近日，來自澳大利亞皇家墨爾本理工大學（RMIT University）的研究團隊成功開發(fā)出一種 AI 技術，該技術將成像、數據處理、機器學習和內存部件全部集成在一個納米級電子芯片中，以模仿人腦處理視覺信息的方式，極大地提高了 AI 的決策效率和精準度。

這項工作以“Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus”為題，在線發(fā)表在學術期刊 Advanced Materials 之上。

（來源：Advanced Materials）

論文作者之一、RMIT 電子和電信工程副教授 Sumeet Walia 表示，“通過將所有功能整合到一個芯片中，我們就可以為 AI 的自主決策提供前所未有的效率和速度。想象一下，如果將這種芯片集成到一個行車記錄儀中，那么它將無需連接互聯(lián)網，就可以自主識別燈光、信號和物體，并做出即時決策?！?/p>

此外，該芯片發(fā)揮著類似于人腦的功能，可使得 AI 系統(tǒng)變得更加強大。未來，隨著技術的進一步突破和發(fā)展，該芯片可以實現(xiàn)更智能、更小型的自主技術，比如無人機和機器人技術，以及智能可穿戴設備和仿生植入物，例如人造視網膜。

多功能納米芯片

在人類的認知學習過程中，視覺記憶往往是學習信息的核心來源。而 AI 系統(tǒng)的基礎之一，就是受人類認知啟發(fā)的神經形態(tài)視覺組件。要想在 AI 系統(tǒng)中部署高效的、類似于人腦的視覺系統(tǒng)，就需要將內置內存和信號處理功能結合，最終實現(xiàn)單個成像單元。

然而，事實上基于視覺系統(tǒng)的 AI 技術卻一直未能實現(xiàn)突破。一方面，AI 系統(tǒng)的性能嚴重依賴于其內部軟件的性能和異地數據處理的能力；另一方面，由于缺乏可以完全由光控制且不需要施加額外電信號的組件。

而在此次研究中，科研團隊成功將具備不同功能的多個組件集成到一個納米級芯片中，在單個電子設備中結合驅動 AI 所需的核心軟件和負責圖像捕獲的硬件，并涵蓋成像（imaging）、數據處理（processing）、機器學習（machine learning）和內存（memory）等方面，以進行快速的現(xiàn)場決策。

不僅如此，新的內置功能意味著這種芯片可以捕獲并自動增強圖像，還能對數字進行分類。經過實驗和訓練后，已證實其準確率超過90％。該設備與現(xiàn)有的電子技術和硅技術也很容易兼容，使得其在未來可以輕松集成到目標器件之中。

圖 ｜ 不同訓練周期和不同脈沖下的圖像增強效果（來源：該研究論文）

論文作者之一 Taimur Ahmed 博士認為，“通過將如此多的核心功能封裝到一個緊湊的納米級設備中，我們成功地拓寬了將機器學習和 AI 集成到較小應用程序中的方向?！?/p>

新材料：超薄層狀黑磷

實際上，這一技術依賴的是一種由光驅動（light－powered）的、可以隨著光照變化而作出不同響應的特殊芯片。這是一種全新的神經形態(tài)成像元件，其表面覆蓋著一種二維超薄材料——層狀黑磷（Black Phosphorous，BP）。

二維層狀黑磷于上世紀 60 年代被發(fā)現(xiàn)，但近幾年才開始被廣泛應用，該材料可響應不同波長的光并隨之改變電阻，在電子薄膜和紅外線光電子技術上有重大潛在應用價值。

從根本上說，此次研究就是利用二維層狀黑磷中與氧化有關的缺陷引起的獨特光響應來實現(xiàn)視覺記憶。

也就是說，當在覆有黑磷的芯片上照射不同顏色的光時，芯片會隨之產生諸如成像或記憶元件存儲等不同的功能。同時，這種芯片還具有波長選擇性多位編程功能和即時擦除功能，實現(xiàn)了像素內圖像預處理。

圖 ｜ 層狀黑鱗設備。a） 在 SiO2／Si 襯底上制作的 BP 器件的三維渲染原理圖；b） SiO2／Si 襯底上的 BP 器件的光學顯微鏡照片；c） 從 b 裝置上剝落的 BP 片的原子力顯微鏡（AFM）掃描圖像，坐標圖顯示根據圖像描繪的一條線，該 BP 片的剖面高度為 7．3nm；d） 電子顯微鏡下 BP 片的橫截面透射圖像，水平虛線顯示出 BP 片頂部和底部表面存在氧化磷層。（來源：該論文）

此外，該模型還受到了光遺傳學（Optogenetics）的啟發(fā)，光遺傳學是生物技術中的新興工具，能夠結合遺傳工程與光波來操作特定神經細胞的活性。這一技術使科學家能以很高的精度深入研究人體神經系統(tǒng)，并利用光來操縱神經元。

Ahmed 博士認為，由光驅動的計算技術比現(xiàn)有技術速度更快、結果更準確，且所需能耗更少。比如，將這一芯片與人工視網膜一起結合使用，會幫助科學家將這一新技術進一步微型化，并提高仿生眼的準確性。

“這一技術是朝著電子學的終極方向邁進的重要一步：在微小的芯片上創(chuàng)造一個可以像人類一樣從周圍環(huán)境學習的‘大腦’?！?/p>

責任編輯：xj