研究人員已經(jīng)開發(fā)了人工智能技術，該技術將成像，處理，機器學習和內存集成在一個由光驅動的電子芯片中。
該原型通過模仿人腦處理視覺信息的方式來縮小人工智能技術。
納米級的進步在單個電子設備中結合了驅動人工智能所需的核心軟件和圖像捕獲硬件。
隨著進一步的發(fā)展，這種光驅動的原型可以實現(xiàn)更智能，更小型的自主技術，例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(wǎng)膜。
這項研究由 RMIT 大學領導的澳大利亞，美國和中國研究人員組成的國際團隊發(fā)表在《先進材料》雜志上。
來自 RMIT 的首席研究員 Sumeet Walia 副教授說，該原型在一種功能強大的設備中提供了類似于大腦的功能。
“我們的新技術通過將多個組件和功能整合到一個平臺中，從根本上提高了效率和準確性，”同時擔任功能材料和微系統(tǒng)研究小組聯(lián)合負責人的 Walia 說。
“這使我們更接近于受到自然界最偉大的計算創(chuàng)新 - 人腦啟發(fā)的多功能人工智能設備。
“我們的目標是通過將視覺作為記憶來復制大腦學習的核心特征。
“我們開發(fā)的原型是朝著神經(jīng)機器人學，更好的人機交互技術和可擴展的仿生系統(tǒng)發(fā)展的重大飛躍?！?/FONT>
整體結構: 推進人工智能
通常，人工智能嚴重依賴軟件和異地數(shù)據(jù)處理。
新的原型旨在將電子硬件和智能集成在一起，以進行快速的現(xiàn)場決策。
“想象一下汽車中的行車記錄儀，它集成了這種受神經(jīng)啟發(fā)的硬件–它可以識別燈光，信號，物體并做出即時決策，而無需連接到互聯(lián)網(wǎng)，” Walia 說。
“通過將所有功能整合到一個芯片中，我們可以在自主和AI驅動的決策中提供前所未有的效率和速度。”
該技術基于 RMIT 團隊的早期原型芯片，該原型芯片使用光來創(chuàng)建和修改內存。
新的內置功能意味著該芯片現(xiàn)在可以捕獲并自動增強圖像，對數(shù)字進行分類，并經(jīng)過培訓可以識別圖案和圖像，其準確率超過 90%。
該設備還易于與現(xiàn)有的電子技術和硅技術兼容，以便將來輕松集成。
發(fā)現(xiàn)了光：技術如何運作
該原型受到光遺傳學的啟發(fā)，光遺傳學是生物技術中的新興工具，它使科學家能夠以極高的精度深入研究人體的電氣系統(tǒng)，并利用光來操縱神經(jīng)元。
AI芯片基于超薄材料 - 黑色磷 - 可響應不同波長的光而改變電阻。
諸如成像或存儲器存儲之類的不同功能是通過在芯片上照射不同顏色的光來實現(xiàn)的。
研究的主要作者，來自 RMIT 的 Taimur Ahmed 博士說，基于光的計算比現(xiàn)有技術更快，更準確并且所需的能源更少。
“通過將如此多的核心功能打包到一個緊湊的納米級設備中，我們可以拓寬機器學習和AI集成到較小應用程序中的視野，” Ahmed 說。
“例如，將我們的芯片與人工視網(wǎng)膜一起使用，將使科學家能夠使這一新興技術小型化并提高仿生眼的準確性。
“我們的原型是朝著電子學的終極方向邁進的重要一步：就像我們一樣，可以從周圍環(huán)境中學習的片上大腦。”
這項工作是在 RMIT 的微納米研究設施(MNRF)中部分完成的，并得到了 RMIT 顯微鏡和微分析研究設施(RMMF)，澳大利亞國家計算基礎設施(NCI)，澳大利亞多模式科學成像和可視化環(huán)境(MASSIVE)的支持和 Pawsey 超級計算設施。
來自科羅拉多州立大學，東北師范大學和加利福尼亞大學伯克利分校的合作者發(fā)表了“分層黑磷中的完全光控記憶和神經(jīng)形態(tài)計算”一書，發(fā)表在《先進材料》(DOI：10.1002 / adma.202004207)中。
人工智能芯片
AI 芯片圖
Sumeet-Walia-Taimur-Ahmed
（轉載）
