（文章來源：EETOP）

近日來自維也納大學的一組研究人員開發了一種圖像識別芯片，可以在數十納秒內完成圖像識別。終于解決了即時圖像識別的大難題！即時圖像識別這一壯舉是如何實現的？將有哪些應用？神經網絡由與輸入和輸出互連的加權節點組成。系統輸入示例數據，并將輸出結果與真實答案進行比較。然后調整節點的權重，直到輸出與真實數據匹配為止。

然后，將其他數據顯示給網絡，重復這個學習過程，直到它能夠可靠地識別數據并產生正確的輸出為止。

神經網絡是當前人工智能技術的基礎，用于在強大的大型系統上識別高達1000幀/秒的圖像，而更常見的系統可以處理高達100幀/秒的圖像。盡管這對于非關鍵應用是可以接受的，但在需要快速圖像識別的應用中可能是一個缺點。例如，研究人員可能需要開發一種智能燃燒系統，該系統可以實時分析發動機的燃燒過程，從而使他們能夠確定燃料/空氣混合物。

在這種情況下，操作員將受益于幾乎可以即時處理圖像的設備。目前研究人員聲稱已經完成了這種設備的研制工作。

神經網絡滯后的原因是這樣的系統需要多個步驟：拍攝圖像、傳遞到神經網絡、最后進行處理。處理后，可以生成適當的信號和其他響應。但是，整個過程依賴于傳統的CPU，后者以離散的時鐘周期運行。為了解決這一障礙，來自TU Wein的研究人員團隊創建了一個神經圖像傳感器，將所有步驟組合到一個單獨的封裝中，可以在20納秒內識別出圖像。

根據發表在《自然》雜志上的研究，他們的設備基于“可重構的二維（2D）半導體光電二極管陣列，網絡的突觸權重存儲在連續可調的光響應矩陣中”。研究人員使用的傳感器類似于傳統的圖像傳感器，它由一組光電二極管組成，記錄投射到芯片上的圖像。這種光敏元件是由二烯化鎢制成的，這種超薄材料只有三個原子那么厚。這些光敏元件與許多輸出元件相連。

研究人員通過將傳感器暴露在圖像上，并使用計算機程序調整每個像素的靈敏度來訓練芯片。他們通過調整傳感器周圍的局部電場來做到這一點。然后改變傳感器上的像素，直到芯片的輸出與任何神經元動作后顯示給芯片的圖像匹配為止。

一旦經過訓練，芯片就不再需要調整，不需要主機干預芯片仍可以繼續識別圖像。芯片的輸出在50納秒內完成。維也納大學研究人員目前使用的傳感器只有9個像素，但它已經能夠識別不同的形狀。因為每個像素都與每個加權神經元相連，所以它可以檢測多種模式。

盡管此傳感器不適用于識別復雜圖像，但它在高速環境（包括斷裂力學和顆粒檢測）中具有真正的潛力。這項研究的意義也可能會影響制造環境，在該環境中，條形碼和打印的數值數據會高速通過傳感器。傳感器在運行期間不消耗任何電能這一事實也意味著該傳感器可能高度適用于低能耗環境，包括一次性電子產品和低能耗IoT系統。
（責任編輯：fqj）