开发神经网络视觉芯片

在人脑处理的信息中，超过80%都是通过眼睛获得的。人眼不仅可以进行信息的探测和同步处理，而且整体功耗极小（远小于20瓦）。相比而言，机器的视觉系统需要先探测再处理，使用的图像传感器在探测目标图像的同时会产生大量冗余信息，此类信息通过有限的带宽传输给所连接的计算机进行处理和分析，从而导致较大的时间延迟和较高的功耗。

因此，构建一个可以媲美人眼、具备同步进行信息探测和处理功能的类脑视觉传感器成了科技探索的重要方向之一。近日，南京大学物理学院缪峰教授团队就在Science Advances上发表了一篇题为《基于栅极可调范德华（vdW）异质结的可重构神经网络视觉传感器》的研究，这也是对类脑视觉传感器做出重要探索。

人类视觉系统强大的信息处理能力很大程度上依赖于视网膜的结构和功能。视网膜中的主要细胞包括感光细胞、双极细胞等，这些细胞之间是垂直分层分布的结构。光透过瞳孔入射到视网膜上后，感光细胞将入射光转换为电学信号，流经双极性细胞，利用双极性细胞的生物特性对电学信息进行一定的加工和处理，加工后的图像信息仅仅保留其主要的特征，再传输至大脑皮层进行进一步的图像处理和理解。

通过这种方式，视网膜在一定程度上实现了信息探测和处理的同步进行。为了实现对视网膜结构和功能的逼真模拟，研究团队提出可以通过“原子乐高”的方式搭建基于二维材料垂直异质结的类脑视觉传感器。

该类脑视觉传感器通过范德华（vdW）垂直异质结构的栅极可调正负光响应来工作。该传感器不仅模拟了双极细胞和光感受器的神经生物学功能，还模拟了双极细胞之间独特的连通性以及光感受器。

通过调整每个像素的栅极电压，实现了可重构视觉传感器图像传感与处理。此外，研究人员的类脑视觉传感器本身可以训练，通过分类的输入更新单独应用于传感器中每个像素的栅极电压来获得图像。

事实上，实现视网膜形态视觉芯片是解决传统芯片面临的挑战和在实际应用中处理大量视觉数据的一个有前途的解决方案。毫无疑问，这项工作提出的技术为未来先进的神经网络视觉芯片的实现提供了机会。