俄勒冈州立大学基思·豪塔拉 信用:Unsplash/CC0公共领域 俄勒冈州立大学的研究人员在一种新型光学传感器方面取得了重大进展，这种传感器更接近模拟人眼感知视野变化的能力
该传感器是图像识别、机器人和人工智能等领域的重大突破
OSU工程学院研究员约翰·拉布拉姆和研究生辛特亚·特鲁希略·埃雷拉的发现发表在今天的《应用物理快报》上
电气工程和计算机科学助理教授拉布拉姆说，以前人们试图制造一种人眼类型的设备，称为视网膜变形传感器，这种设备依赖于软件或复杂的硬件
但是新传感器的操作是其基本设计的一部分，使用超薄钙钛矿半导体层——近年来对其太阳能潜力进行了广泛研究——当放置在光线下时，从强电绝缘体变为强导体
“你可以把它想象成一个单独的像素在做一些目前需要微处理器的事情，”拉布拉姆说，他在国家科学基金会的支持下领导着这项研究
拉布拉姆说，这种新传感器可能是神经形态计算机的完美匹配，这种计算机将在自动驾驶汽车、机器人和高级图像识别等应用中为下一代人工智能提供动力
与传统计算机不同，传统计算机以一系列指令的形式顺序处理信息，神经形态计算机被设计成模拟人脑的大规模并行网络
“人们试图在硬件上复制这一点，并取得了相当大的成功，”拉布拉姆说
“然而，尽管设计用来处理信息的算法和结构越来越像人脑，这些系统接收的信息仍然是为传统计算机设计的
" 换句话说:为了充分发挥潜力，一台更像人脑的“思考”计算机需要一台更像人眼的“视觉”图像传感器
眼睛是一个极其复杂的器官，包含大约1亿个感光细胞
然而，视神经只有一百万个与大脑的连接
这意味着在传输图像之前，必须在视网膜中进行大量的预处理和动态压缩
拉布拉姆说，事实证明，我们的视觉特别适合检测运动物体，对静态图像相对“不太感兴趣”
因此，我们的光学电路优先考虑来自光感受器的检测光强变化的信号——你可以通过盯着一个固定的点直到你周边视觉中的物体开始消失来证明这一点，这种现象被称为特克斯勒效应
拉布拉姆说，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
图像以设定的频率逐像素地在二维传感器阵列上扫描
每个传感器产生一个信号，其幅度直接随其接收到的光的强度而变化，这意味着静态图像将导致传感器的输出电压大致恒定
相比之下，视网膜传感器在静态条件下保持相对安静
当它感觉到光照变化时，它会记录一个短而尖锐的信号，然后迅速恢复到基线状态
这种行为归功于一种被称为钙钛矿的半导体的独特光电特性，这种半导体显示出作为下一代低成本太阳能电池材料的巨大前景
在拉布拉姆的视网膜传感器中，钙钛矿被应用在只有几百纳米厚的超薄层中，基本上起着电容器的作用，在光照下改变其电容
电容器在电场中储存能量
“我们测试它的方法是，基本上，我们把它放在黑暗中一秒钟，然后我们打开灯，让它们开着，”他说
“一旦灯亮了，你就得到这个很大的电压尖峰，然后电压迅速衰减，尽管光的强度是恒定的
这就是我们想要的
" 虽然拉布拉姆的实验室目前一次只能测试一个传感器，但他的团队测量了许多设备，并开发了一个数字模型来复制它们的行为，得出了拉布拉姆认为理论和实验“很匹配”的结论
这使得研究小组能够模拟一系列视网膜传感器来预测视网膜摄像机对输入刺激的反应
拉布拉姆说:“我们可以将视频转换成一组光强度，然后将它们放入我们的模拟中。”
“从传感器预测到较高电压输出的区域点亮，而较低电压的区域保持黑暗
如果相机相对静止，你可以清楚地看到所有运动的东西都有强烈的反应
这对于哺乳动物的光学传感模式来说是合理的
" 一个使用棒球练习镜头的模拟演示了预期的结果:球员在内场显示为清晰可见的明亮移动物体
相对静止的物体——棒球场、露天看台，甚至外场手——逐渐消失在黑暗中
一个更惊人的模拟显示一只鸟飞入视野，然后几乎消失，因为它停在一个看不见的喂鸟器前
这只鸟起飞时又出现了
设置为摇摆的进料器只有在开始移动时才可见
拉布拉姆说:“好的一面是，通过这个模拟，我们可以将任何视频输入其中一个阵列，并以人眼基本相同的方式处理这些信息。”
“例如，你可以想象这些传感器被机器人用来跟踪物体的运动
在它的视野中任何静止的东西都不会引起反应，然而一个移动的物体会记录一个高电压
这将立即告诉机器人物体在哪里，而无需任何复杂的图像处理
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
