IT HOME 5月14日新闻是澳大利亚RMIT大学的一项研究团队，开发了一种类似高级设备的神经形态设备，可以模仿大脑的大脑处理方式。这种紧凑的系统可以实时检测动作，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接触系统提供了一种方法。 “这种防概念的设备阻碍了人眼捕捉光和大脑处理视觉信息的能力，并可能会感受到环境变化，并形成瞬间的记忆，而不会消耗大量数据和能量。”神经形态的视觉和处理信息目前正在快速发展的Paghaircut领域，旨在开发更智能，更好的计算系统和感知。其中，脉冲神经网络（SNN）是一种基本程序，类似于真实的脑细胞，senD通过动机信号（即“脉冲”）信息。一个常见的模型是积分泄漏模型，在该模型中积累电信号直到达到一定的阈值并重置系统，这与真实神经元的行为非常相似。尽管已使用多种光敏材料进行基本的大脑功能测试，但准确地复制了完整的LIF行为，尤其是存储系统和重置电状态并将其应用于视觉活动的方法，仍然是一种新兴而深刻的Stinggan。 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，以生成可以实时获取和处理视觉信息的设备。在技术之中，二硫化物（MOS₂）是一种具有原子缺陷的金属化合物，可以检测光并将其转换为电信号，例如人脑中的神经元。这项新研究表明，化学蒸气r制造的超薄MOS₂层Emoval技术可以模仿脑细胞的电荷过程和释放，这与模型抑制（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，并且通过调整栅极电压，系统可以快速重置自身，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MOS₂光反应的关键特征构建了脉冲神经网络（SNN）。该模型在15次练习后在静态图像活动中达到75％的准确性，在60次练习后的动态活动中精确度80％，显示出强大的潜在视觉处理。在实验中，该设备通过边缘检测技术检测动作动作，避免逐框获取，从而减少数据和能耗。该设备将这些更改作为内存，模拟大脑功能存储。这项研究是在可见范围内进行的，进一步扩展先前的研究导致紫外光谱领域。 RMIT博士学位学生，“我们已经表明，原子薄二硫化物可以准确地复制神经元发出的（LIF）神经元行为，这是脉冲神经网络构建的主要区块，”该研究的第一作者泰国Aung说。根据研究团队的说法，以前的基于UV的研究集中在静态图像，内存和处理上。紫外线和可见光设备都能够重置内存以准备新任务。根据这家房屋的说法，预计现代技术将显着改善自动驾驶汽车和先进的机器人对视觉投入的响应，尤其是在高风险或迅速变化的环境中。通过立即发现场景的变化并最大程度地减少了数据处理要求，可以实现这项技术，并且可以做出更好的响应，同时还可以增强在制造或个人援助等领域中人类计算机接触的应用。 curreNtly，研究人员将单像素原型扩展到了新的研究基金支持的较大基于MOS₂的基于MOS₂的像素的像素。未来的计划包括设备优化，以处理更复杂的视觉活动，提高能源效率并将其集成到传统的数字系统中。此外，研究小组还探索了其他材料，以扩大红外光线设备功能，以供诸如放电监控和智能环境理解等应用。该团队研究的结果已发表在《高级材料技术》杂志上。
