新型光驱动芯片：打造更小巧的人工智能！
导读
据澳大利亚皇家墨尔本理工大学官网近日报道，该校领导的国际科研团队开发出一项新的人工智能技术，它将成像、处理、机器学习和存储功能集成到由光驱动的单颗电子芯片中。
背景
将视觉印记作为记忆，是人类认知学习的核心属性。人工智能系统的基础是用生物启发的神经形态视觉组件来处理可见和不可见的电磁频谱。实现一个结合内置存储与信号处理能力的成像单元，对于部署高效的类脑视觉系统来说是重要且紧急的。但是，目前我们缺少一个无需施加交流极性电信号、完全由光控制的平台，这一点阻碍了技术的进步。
（图片来源：Olivia Wang, Peng Cheng Laboratory）
创新
近日，澳大利亚皇家墨尔本理工大学（RMIT）领导的澳大利亚、美国以及中国的研究人员组成的国际团队开发出一项新的人工智能技术，它将成像、处理、机器学习和存储功能集成到由光驱动的单颗电子芯片中。研究成果发表在《先进材料》（Advanced Materials）杂志上。
（图片来源：皇家墨尔本理工大学）
该原型设备通过模仿人类大脑处理视觉信息的方式，缩小了人工智能技术的作用尺度。这项纳米尺度的技术进展，将驱动人工智能所需的核心软件与图像捕捉硬件结合到同一个电子设备中。通过进一步的开发，光驱动的原型设备可实现更智能、更小型的自主技术，例如无人机、机器人、智能可穿戴设备以及人造视网膜等仿生植入物。
首席研究员、皇家墨尔本理工大学的 Sumeet Walia 副教授表示，该原型设备在一个强大的设备中提供了类似大脑的功能。
Sumeet Walia 副教授与 Taimur Ahmed 博士（图片来源：皇家墨尔本理工大学）
功能材料和微系统研究小组的共同负责人 Walia 说：“我们的新技术从根本上提升了效率和精度，将多个组件和功能整合到一个平台上。这让我们离一体化的人工智能设备更近了一步，其灵感来源于自然界最伟大的计算创新‘人脑’。我们的目标是复制大脑学习方式的核心特征，将视觉印记作为记忆。我们开发的原型设备是朝着神经机器人学、更好的人机交互技术和可扩展的仿生系统的目标努力的过程中所取得的重大飞跃。”
技术
人工智能通常严重依赖于软件以及非现场的数据处理。而新的原型设备旨在将电子硬件和智能整合到一起，实现迅速的现场决策。
该原型技术将成像、处理、机器学习和存储功能集成到同一颗由光驱动的芯片中。（图片来源：皇家墨尔本理工大学）
Walia 表示：“让我们想象一下，如果汽车上的行车记录仪集成了这样的神经启发硬件，它就可以识别灯光、标志、物体，并立刻作为决策，无需连接互联网。通过将这一切整合到同一颗芯片中，我们可以在自主和人工智能驱动的决策中实现前所未有的效率和速度。”
该技术建立在皇家墨尔本理工大学团队早期的原型芯片基础上，该芯片使用光来创建和修改内存。
（图片来源：皇家墨尔本理工大学）
新的内置功能意味着该芯片可以捕捉和自动改善图像，分类数字，并接受训练以识别模式和图像，准确率超过90%。
该设备也可以轻而易举地兼容现有的电子和硅技术，以便未来轻松地集成。
这款原型装置受到了光遗传学的启发。光遗传学是生物技术中的一项新兴工具，它使科学家们能以很高的精确度研究身体的电系统，并使用光线操控神经元。
基于光遗传学原理，无线无电池的植入式光电系统用光线控制神经元。（图片来源：Philipp Gutruf）
这款人工智能芯片基于一种超薄材料：黑磷，它能根据不同波长的光线改变电阻。将不同颜色的光线照在芯片上，就可以实现成像或记忆存储等不同功能。
黑磷的晶体结构（Vahid Tayari/麦吉尔大学）
价值
研究的领导作者、来自皇家墨尔本理工大学的 Taimur Ahmed 博士表示，与现有技术相比，基于光的计算速度更快、精度更高、所需能量更少。
Ahmed 表示：“我们将如此多的核心功能打包到一个紧凑的纳米级设备中，可以拓宽机器学习和人工智能的视野，将其整合到更小的应用中。例如，将我们的芯片与人工视网膜一起使用，将使科学家能将这项新兴技术小型化，并提高仿生眼的精准度。我们的原型设备标志着朝着电子学中的终极目标‘芯片上的大脑’迈出了重要的一步，这种‘芯片上的大脑’可以像我们一样从环境中学习。”
关键词
光、神经形态、芯片、光遗传学、人工智能
参考资料
【1】Taimur Ahmed, Muhammad Tahir, Mei Xian Low, Yanyun Ren, Sherif Abdulkader Tawfik, Edwin L. H. Mayes, Sruthi Kuriakose, Shahid Nawaz, Michelle J. S. Spencer, Hua Chen, Madhu Bhaskaran, Sharath Sriram, Sumeet Walia. Fully Light‐Controlled Memory and Neuromorphic Computation in Layered Black Phosphorus. Advanced Materials, 2020; 2004207 DOI: 10.1002/adma.202004207
【2】https://www.rmit.edu.au/news/media-releases-and-expert-comments/2020/nov/light-powered-artificial-intelligence