更精确、更节能光驱纳米芯片问世！

近年来，随着人工智能（AI）应用场景需求的不断拓宽，人们对于AI的处理速度、能耗，以及系统、硬件尺寸大小的要求也越来越高。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）的研究团队成功开发出一种 AI 技术，该技术将成像、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，以模仿人脑处理视觉信息的方式，极大地提高了 AI 的决策效率和精准度。

这项工作以“Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus”为题，在线发表在学术期刊 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 的自主决策提供前所未有的效率和速度。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、信号和物体，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，随着技术的进一步突破和发展，该芯片可以实现更智能、更小型的自主技术，比如无人机和机器人技术，以及智能可穿戴设备和仿生植入物，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，视觉记忆往往是学习信息的核心来源。而 AI 系统的基础之一，就是受人类认知启发的神经形态视觉组件。要想在 AI 系统中部署高效的、类似于人脑的视觉系统，就需要将内置内存和信号处理功能结合，最终实现单个成像单元。

然而，事实上基于视觉系统的 AI 技术却一直未能实现突破。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，由于缺乏可以完全由光控制且不需要施加额外电信号的组件。
而在此次研究中，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 所需的核心软件和负责图像捕获的硬件，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。经过实验和训练后，已证实其准确率超过90％。该设备与现有的电子技术和硅技术也很容易兼容，使得其在未来可以轻松集成到目标器件之中。

图 ｜ 不同训练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 集成到较小应用程序中的方向。”

新材料：超薄层状黑磷

实际上，这一技术依赖的是一种由光驱动（light－powered）的、可以随着光照变化而作出不同响应的特殊芯片。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 年代被发现，但近几年才开始被广泛应用，该材料可响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术上有重大潜在应用价值。

从根本上说，此次研究就是利用二维层状黑磷中与氧化有关的缺陷引起的独特光响应来实现视觉记忆。

也就是说，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记忆元件存储等不同的功能。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 器件的三维渲染原理图；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绘的一条线，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）的启发，光遗传学是生物技术中的新兴工具，能够结合遗传工程与光波来操作特定神经细胞的活性。这一技术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，由光驱动的计算技术比现有技术速度更快、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使用，会帮助科学家将这一新技术进一步微型化，并提高仿生眼的准确性。
“这一技术是朝着电子学的终极方向迈进的重要一步：在微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’。”