在類腦視覺芯片領域，復旦大學的研究團隊取得了令人矚目的突破，他們聯合研發出了基于二維半導體DRAM的仿生神經元。這一成果為類腦計算與視覺處理的融合發展帶來了新的曙光，有望革新當前人工智能在視覺感知方面的應用模式。

該團隊在研發過程中，巧妙地利用了二維半導體獨特的物理性質。二維材料，如石墨烯、二硫化鉬（MoS?）、二硒化鎢（WSe?），具有原子級厚度、高遷移率和優異的機械柔韌性，這些特性為提升器件性能和集成度奠定了堅實基礎。在這款仿生神經元芯片中，二維半導體材料成為構建核心結構的關鍵要素，模擬生物神經元和突觸功能，顯著優化了傳統芯片的架構。

?

與傳統視覺芯片相比，這款基于二維半導體DRAM的仿生神經元芯片具備多項突出優勢。在能耗方面，傳統架構中，傳感器、存儲器、處理器分離導致數據搬運能耗占比超90%，而該芯片通過創新的鐵電疇調控技術，將光電探測、權重存儲、神經網絡計算集成于同一器件，實現零數據搬運的實時處理，動態目標識別能耗僅為傳統方案的0.1%，可將動態視覺處理能耗降低至毫瓦級，極大地提升了能源利用效率。在處理速度上，芯片能在微秒級完成動態圖像識別，面對強光干擾、快速移動物體等極端場景，也能快速響應，為實際應用爭取到寶貴的反應時間。此外，在復雜場景下的識別準確率上，經測試其動態目標識別準確率超過95%，性能表現遠優于傳統視覺芯片。

從技術原理來看，芯片模仿視網膜中光感受器、雙極細胞和神經節細胞的協同工作機制，采用二維半導體材料構建出類似的功能單元。當外界視覺信號進入，光感受器部分的二維材料吸收光子產生光電流，光電流的變化如同生物視網膜中光感受器對光線強度變化的響應；雙極細胞對應的芯片結構則對光電流進行進一步的處理與轉換，類似于生物體內雙極細胞整合光感受器信號并傳遞給神經節細胞的過程；神經節細胞部分的芯片結構最終將處理后的信號輸出，完成對視覺信息從感知到初步處理的過程。同時，芯片創造性地模仿視網膜的“時間差分處理”機制，通過光電流的動態變化直接編碼運動信息，每幀圖像能耗約為0.1毫焦，相比傳統CMOS圖像傳感器+GPU處理方案的100毫焦大幅降低，極大提升了視覺信息處理的效率與能耗比。

在實際應用場景中，這款芯片展現出廣闊的應用前景。在自動駕駛領域，能夠實時捕捉車輛周圍動態目標的運動方向、速度等關鍵信息，快速完成分類與識別，為車輛控制系統提供精準且及時的決策依據，助力自動駕駛系統在復雜路況下做出更安全、高效的行駛決策。在安防監控方面，芯片的高準確率和快速響應能力使其能夠迅速察覺監控區域內的異常動態，即便在光線復雜、目標快速移動等惡劣條件下，也能穩定運行，為安防保障提供可靠支持。在機器人領域，可為機器人賦予更敏銳的視覺感知能力，使其在執行任務時能夠更好地理解周圍環境，靈活應對各種場景，提升機器人的智能化水平和作業能力。

此次復旦團隊聯合研發的基于二維半導體DRAM的仿生神經元類腦視覺芯片，在技術創新與性能提升上取得了重大突破，為類腦視覺芯片的發展開辟了新路徑，隨著技術的進一步優化與完善，必將在更多領域發揮重要作用，推動人工智能視覺應用邁向新高度。

來源：半導體芯科技

審核編輯 黃宇