澳大利亚皇家墨尔本理工大学（RMIT University）的研究团队近期取得了突破性的进展，成功研发出一款类脑神经形态设备。这款设备能够模仿人类大脑处理信息的方式，独立实时检测手势、存储记忆及处理视觉数据，无需依赖外部计算机。
RMIT大学的苏米特·瓦利亚教授领导的研究团队表示，这款概念验证设备模拟了人眼捕捉光线及大脑处理视觉信息的能力。它能够迅速感知环境变化并形成记忆，同时极大地节省了数据和能量。这项创新为高级『机器人』️技术、自动驾驶汽车及下一代无缝人机交互系统的发展提供了新的契机。
神经形态视觉与信息处理是当前科技领域的前沿课题，旨在开发更加智能和高效的计算与感知系统。脉冲神经网络（SNNs）作为其中的关键方法，通过类似真实脑细胞的触发信号（即“脉冲”）传递信息。研究团队采用漏电积分-发放（LIF）模型，实现了电信号累积达到阈值后触发脉冲并重置系统的机制，与真实神经元的行为高度相似。
在材料方面，研究团队结合神经形态材料与先进信号处理技术，开发出了能够实时捕捉和处理视觉信息的设备。该技术的核心是二硫化钼（MoS₂），这是一种具有原子级缺陷的金属化合物，能够像神经元一样检测光线并将其转化为电信号。
研究显示，通过化学气相沉积技术制造的超薄MoS₂层能够模拟脑细胞的充放电过程，与LIF神经元模型高度一致。这些超薄层对光线的响应使其能够复制真实神经元的电行为。通过调节栅极电压，系统能够快速重置，从而提高响应速度，这一过程与大脑的工作方式类似。
在实验中，研究人员利用MoS₂的关键光响应特性构建了脉冲神经网络（SNN）。该模型在经过15次训练后，在静态图像任务中的准确率达到了75%；经过60次训练后，在动态任务中的准确率提升至80%，显示出强大的实时视觉处理能力。该设备通过边缘检测技术检测手势动作，避免了逐帧捕捉，显著减少了数据和能耗，并将这些变化存储为记忆，模拟了大脑的功能。
RMIT的博士研究生蒂哈·昂作为该研究的第一作者指出，他们证明了原子级薄的二硫化钼能够精准复制LIF神经元行为，这是构建脉冲神经网络的基本模块。研究团队还提到，之前基于紫外光的研究主要集中在静态图像检测、记忆和处理方面，而此次开发的设备在可见光范围内同样具备重置记忆的功能，为新任务做好准备。
该创新技术有望大幅提升自动驾驶汽车和高级『机器人』️对视觉输入的响应能力，特别是在高风险或快速变化的环境中。通过快速检测场景变化并最小化数据处理需求，该技术能够实现更迅速、高效的反应，同时增强人机交互在制造业或个人辅助等领域的应用。
目前，研究团队正在将单像素原型扩展为更大的基于MoS₂的像素阵列，并已获得新的研究资金支持。他们正在探索优化设备以应对更复杂的视觉任务、提高能效以及将其与传统数字系统集成的方法。
研究团队还在研究其他材料，以拓展设备在红外光范围内的能力，用于排放追踪和智能环境感知等应用。他们的研究成果已在《先进材料技术》期刊上发表。
