光驱纳米芯片提高AI的决策效率和精准度

前不久，加拿大皇家RMITUniversity的科研精英团队成功开发设计了一种AI技术，将成像、数据处理方法、深度学习和运行记忆组件集成到一个ADM697AR纳米电子芯片中，以模仿人脑解决视觉信息内容的方法，大大提高了AI管理决策的效率和准确性。

近年来，随着人工智能技术应用领域的不断扩大，对人工智能的响应速度、能耗以及系统软硬件配置规范的要求越来越高。现在越来越多的生物学家刚刚开始从“类人大脑”的角度思考问题，专注于将AI引向另一个更高的层次。

前不久，加拿大皇家RMITUniversity的科研精英团队成功开发设计了一种AI技术，将成像、数据处理方法、深度学习和运行记忆组件集成到一个纳米电子芯片中，以模仿人脑解决视觉信息内容的方法，大大提高了AI管理决策的效率和准确性。

在这项工作中，“全光控记忆和层黑磷神经病性计算”的问题在线发表在学术期刊《高级材料》上。

毕业论文作者之一、RMIT电子设备与电信工程副教授SumeetWalia说:“通过将所有功能集成到一个处理芯片中，每个人都可以为AI的独立管理决策展现出前所未有的效率和速度。试想一下，如果将这种处理芯片集成到行车记录仪中，就可以在不连接互联网技术的情况下，独立识别灯光效果、数据信号和物体，及时做出管理决策。”

另外，处理芯片充分发挥了人脑的作用，可以让AI系统软件越来越强大。未来，随着技术的进一步完善和发展趋势，处理芯片可以完成更加智能化、小型化和自主化的技术，如无人驾驶飞机和自动化技术、智能可穿戴设备和仿生假体，如人工眼底黄斑。

智能纳米技术处理芯片。

在人的认知学习的整个过程中，视觉记忆通常是学习训练信息的关键来源。AI系统软件的基础之一是人的认知能力所激发的神经系统的形状视觉效果成分。为了在AI系统软件中部署一个高效的类似人脑的视觉识别系统，需要将嵌入式运行内存与信号分析相结合，最终完成一个独立的成像模块。

众所周知，其实按照视觉识别系统的AI技术，已经无法完成改进了。AI系统软件的特点一方面是由其内部手机软件的特点和国外数据处理方式的工作能力严重决定的；另一方面，它缺乏可以完全由光操纵而不释放额外电子信号的组件。

在这次科研中，科研精英团队成功地将几个不同功能的组件集成到一个纳米处理芯片中，将驱动AI所需的关键手机软件和图像采集的硬件配置集成在一个单一的电子产品中，包括成像、数据处理、机器学习和运行内存等。，以便做出快速的现场管理决策。

值得一提的是，新的嵌入式功能意味着这种处理芯片可以捕获并自动改进图像和分类数据。经过测试和训练，已经确认其准确率超过90%。该机还与目前的电子信息技术和硅技术非常兼容，便于未来集成到整体目标组件中。

图 ｜ 不同训练周期和不同脉冲下的图像增强效果

毕业论文的作者之一TaimurAhmed博士认为，“通过将如此多的关键功能封装到一个紧凑的纳米机器设备中，每个人都成功地将深度学习和人工智能的集成扩展到了更小的应用程序中。定向。”

新材料:薄纤维层黑磷。

事实上，这项技术依赖于光驱动的独特处理芯片，它可以随着阳光的变化做出不同的响应。它是一种用于神经系统形状成像的新的升级组件，其表面覆盖有二维薄原料——黑磷(BP)。

二维层状黑磷是20世纪60年代发现的，但近年来才开始广泛应用。这种原料可以响应不同波长的光，并且随着电阻的变化，在电子器件塑料薄膜和红外感应光电技术中有很大的潜在应用价值。

从源头上说，这个科研就是利用二维层状黑磷中与空气氧化相关的缺点所引起的与众不同的光响应来完成视觉记忆。

换句话说，如果用不同颜色的光直接照射涂覆有黑磷的处理芯片，处理芯片将具有不同的功能，例如显影或存储存储元件。此外，这种处理芯片还具有写入多个具有光波长选择性的程序并及时擦除的功能，在定义上完成了图像预处理。

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。

此外，实体模型的灵感来源于光遗传学(Optogenetics)，这是生物技术中一种新的特殊工具，它可以将基因工程与光波结合起来，实际操作特殊神经元的特异性。这项技术使生物学家能够高精度地深入分析人体的中枢神经系统，并通过光折射来控制神经细胞。

博士研究生艾哈迈德认为，光驱动的建筑科学比目前的技术更快、更精确、所需能量更少。例如，将这种处理芯片与人类眼底黄斑集成在一起，将有助于生物学家进一步使这种新技术小型化，并提高\\仿生眼的准确性。

“这项技术是朝着电力电子技术的最终方向迈出的关键一步:创造一个可以像人一样从周围环境中学习和训练的‘人脑’。”