文丨学术头条
近年来，随着人工智能（AI）运用处景需求的不断拓宽，人们对付AI的处理速率、能耗，以及系统、硬件尺寸大小的哀求也越来越高。当前，越来越多的科学家也开始从“类人脑”的角度出发，致力于将 AI 推向另一个高点。
近日，来自澳大利亚皇家墨尔本理工大学（RMIT University）的研究团队成功开拓出一种 AI 技能，该技能将成像、数据处理、机器学习和内存部件全部集成在一个纳米级电子芯片中，以模拟人脑处理视觉信息的办法，极大地提高了 AI 的决策效率和精准度。
这项事情以“Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus”为题，在线揭橥在学术期刊 Advanced Materials 之上。
（来源：Advanced Materials）
论文作者之一、RMIT 电子和电信工程副教授 Sumeet Walia 表示，“通过将所有功能整合到一个芯片中，我们就可以为 AI 的自主决策供应前所未有的效率和速率。想象一下，如果将这种芯片集成到一个行车记录仪中，那么它将无需连接互联网，就可以自主识别灯光、旗子暗记和物体，并做出即时决策。”
此外，该芯片发挥着类似于人脑的功能，可使得 AI 系统变得更加强大。未来，随着技能的进一步打破和发展，该芯片可以实现更智能、更小型的自主技能，比如无人机和机器人技能，以及智能可穿着设备和仿生植入物，例如人造视网膜。
多功能纳米芯片
在人类的认知学习过程中，视觉影象每每是学习信息的核心来源。而 AI 系统的根本之一，便是受人类认知启示的神经形态视觉组件。要想在 AI 系统中支配高效的、类似于人脑的视觉系统，就须要将内置内存和旗子暗记处理功能结合，终极实现单个成像单元。
然而，事实上基于视觉系统的 AI 技能却一贯未能实现打破。一方面，AI 系统的性能严重依赖于其内部软件的性能和异地数据处理的能力；另一方面，由于缺少可以完备由光掌握且不须要施加额外电旗子暗记的组件。
而在这次研究中，科研团队成功将具备不同功能的多个组件集成到一个纳米级芯片中，在单个电子设备中结合驱动 AI 所需的核心软件和卖力图像捕获的硬件，并涵盖成像（imaging）、数据处理（processing）、机器学习（machine learning）和内存（memory）等方面，以进行快速的现场决策。
不仅如此，新的内置功能意味着这种芯片可以捕获并自动增强图像，还能对数字进行分类。经由实验和演习后，已证明其准确率超过90％。该设备与现有的电子技能和硅技能也很随意马虎兼容，使得其在未来可以轻松集成到目标器件之中。
图 | 不同演习周期和不同脉冲下的图像增强效果（来源：该研究论文）
论文作者之一 Taimur Ahmed 博士认为，“通过将如此多的核心功能封装到一个紧凑的纳米级设备中，我们成功地拓宽了将机器学习和 AI 集成到较小运用程序中的方向。”
图 | Sumeet Walia 与 Taimur Ahmed（来源：RMIT）
新材料：超薄层状黑磷
实际上，这一技能依赖的是一种由光驱动（light-powered）的、可以随着光照变革而作出不同相应的分外芯片。这是一种全新的神经形态成像元件，其表面覆盖着一种二维超薄材料——层状黑磷（Black Phosphorous，BP）。
二维层状黑磷于上世纪 60 年代被创造，但近几年才开始被广泛运用，该材料可相应不同波长的光并随之改变电阻，在电子薄膜和红外线光电子技能上有重大潜在运用代价。
从根本上说，这次研究便是利用二维层状黑磷中与氧化有关的毛病引起的独特光相应来实现视觉影象。
也便是说，当在覆有黑磷的芯片上照射不同颜色的光时，芯片会随之产生诸如成像或影象元件存储平分歧的功能。同时，这种芯片还具有波长选择性多位编程功能和即时擦除功能，实现了像素内图像预处理。
图 | 层状黑鳞设备。a) 在 SiO2/Si 衬底上制作的 BP 器件的三维渲染事理图；b) SiO2/Si 衬底上的 BP 器件的光学显微镜照片；c) 从 b 装置上剥落的 BP 片的原子力显微镜（AFM）扫描图像，坐标图显示根据图像描述的一条线，该 BP 片的剖面高度为 7.3nm；d) 电子显微镜下 BP 片的横截面透射图像，水平虚线显示出 BP 片顶部和底部表面存在氧化磷层。（来源：该论文）
此外，该模型还受到了光遗传学（Optogenetics）的启示，光遗传学是生物技能中的新兴工具，能够结合遗传工程与光波来操作特定神经细胞的活性。这一技能使科学家能以很高的精度深入研究人体神经系统，并利用光来操纵神经元。
Ahmed 博士认为，由光驱动的打算技能比现有技能速率更快、结果更准确，且所需能耗更少。比如，将这一芯片与人工视网膜一起结合利用，会帮助科学家将这一新技能进一步微型化，并提高仿生眼的准确性。
“这一技能是朝着电子学的终极方向迈进的主要一步：在眇小的芯片上创造一个可以像人类一样从周围环境学习的‘大脑’。”
参考资料：
https://onlinelibrary.wiley.com/doi/epdf/10.1002/adma.202004207
https://techxplore.com/news/2020-11-electronic-chip-smarter-light-powered-ai.html
