新型光学传感器有望带来图像识别、人工智能等领域重大突破

据《应用物理快报》近日报道，美国俄勒冈州立大学在新型光学传感器研发上取得重大进展。他们开发出一种新型光学传感器，可更逼真地模仿人眼感知物体变化的能力。这一成果有望带来图像识别、机器人技术和人工智能等领域的重大突破。

目前的信息处理算法和体系结构变得越来越像人的大脑，但信息接收的方式仍是为传统计算机设计的。为了发挥其全部潜能，更像人脑那样“思考”的计算机需要更像人眼那样“看”的图像传感器。

人眼包含约1亿个感光器，但视神经与大脑的连接只有一百万个，因此在传输图像之前，必须在视网膜中进行大量的预处理和动态压缩。

传统的传感技术，如数码相机和智能手机中的芯片，更适合顺序处理。每个传感器都会产生一个幅度随其接收的光强度而变化的信号，这意味着静态图像会使传感器产生较为恒定的输出电压。

在新型视网膜形态传感器中，利用了钙钛矿的独特光电性能。钙钛矿置于厚度仅几百纳米的超薄层中充当电容器，在光照下，它会从电绝缘体变为导体。因此传感器在静态条件下保持相对安静，当检测到光照变化时，会记录一个短而尖锐的信号，然后迅速恢复到其基线状态。

研究人员通过模拟一系列视网膜形态传感器，以预测视网膜形态摄像机如何响应输入刺激。例如，在棒球练习的模拟演示中，内场球员显示为清晰可见、明亮的运动物体，而看台等相对静止的物体逐渐消失。更加引人注目的是，一只鸟飞进了视野，然后停在一个看不见的喂鸟器上，几乎消失了，却在起飞时重新出现。

研究人员还可将任何视频输入这些模拟，并以与人眼基本相同的方式处理信息。比如让机器人用这些传感器来跟踪目标的运动，其视野中的任何静止状态都不会引起响应，一旦目标发生运动，则会产生高压，立即告诉机器人目标的位置，而无需进行任何复杂的图像处理。

这种新型传感器还能与神经形态计算机完美匹配。神经形态计算机与传统计算机不同，是一种模拟人脑的大规模并行网络，为用于自动驾驶汽车、机器人技术和高级图像识别中的下一代人工智能提供支持。

人脑所处理的信息，超过80%都是通过眼睛获得的，而视觉系统的信息处理能力，又很大程度上依赖于视网膜的结构和功能。因此，构建出一个可以媲美人眼、能够同步进行信息探测和处理功能的视网膜传感器——或者说，真实模仿自然界生物的眼睛，一直是许多工程师的梦想。近几年，这一领域已经开始出现非常有价值的突破，譬如本文中的光学传感器就是其中之一，不过，要想看到这一技术走向实际应用，或许至少还要多年以后。
编辑：lyn