类脑视觉芯片里程碑突破：复旦团队首创二维半导体DRAM仿生神经元

在类脑视觉芯片领域，复旦大学的研究团队取得了令人瞩目的突破，他们联合研发出了基于二维半导体DRAM的仿生神经元。这一成果为类脑计算与视觉处理的融合发展带来了新的曙光，有望革新当前人工智能在视觉感知方面的应用模式。

该团队在研发过程中，巧妙地利用了二维半导体独特的物理性质。二维材料，如石墨烯、二硫化钼（MoS₂）、二硒化钨（WSe₂），具有原子级厚度、高迁移率和优异的机械柔韧性，这些特性为提升器件性能和集成度奠定了坚实基础。在这款仿生神经元芯片中，二维半导体材料成为构建核心结构的关键要素，模拟生物神经元和突触功能，显著优化了传统芯片的架构。

​

与传统视觉芯片相比，这款基于二维半导体DRAM的仿生神经元芯片具备多项突出优势。在能耗方面，传统架构中，传感器、存储器、处理器分离导致数据搬运能耗占比超90%，而该芯片通过创新的铁电畴调控技术，将光电探测、权重存储、神经网络计算集成于同一器件，实现零数据搬运的实时处理，动态目标识别能耗仅为传统方案的0.1%，可将动态视觉处理能耗降低至毫瓦级，极大地提升了能源利用效率。在处理速度上，芯片能在微秒级完成动态图像识别，面对强光干扰、快速移动物体等极端场景，也能快速响应，为实际应用争取到宝贵的反应时间。此外，在复杂场景下的识别准确率上，经测试其动态目标识别准确率超过95%，性能表现远优于传统视觉芯片。

从技术原理来看，芯片模仿视网膜中光感受器、双极细胞和神经节细胞的协同工作机制，采用二维半导体材料构建出类似的功能单元。当外界视觉信号进入，光感受器部分的二维材料吸收光子产生光电流，光电流的变化如同生物视网膜中光感受器对光线强度变化的响应；双极细胞对应的芯片结构则对光电流进行进一步的处理与转换，类似于生物体内双极细胞整合光感受器信号并传递给神经节细胞的过程；神经节细胞部分的芯片结构最终将处理后的信号输出，完成对视觉信息从感知到初步处理的过程。同时，芯片创造性地模仿视网膜的“时间差分处理”机制，通过光电流的动态变化直接编码运动信息，每帧图像能耗约为0.1毫焦，相比传统CMOS图像传感器+GPU处理方案的100毫焦大幅降低，极大提升了视觉信息处理的效率与能耗比。

在实际应用场景中，这款芯片展现出广阔的应用前景。在自动驾驶领域，能够实时捕捉车辆周围动态目标的运动方向、速度等关键信息，快速完成分类与识别，为车辆控制系统提供精准且及时的决策依据，助力自动驾驶系统在复杂路况下做出更安全、高效的行驶决策。在安防监控方面，芯片的高准确率和快速响应能力使其能够迅速察觉监控区域内的异常动态，即便在光线复杂、目标快速移动等恶劣条件下，也能稳定运行，为安防保障提供可靠支持。在机器人领域，可为机器人赋予更敏锐的视觉感知能力，使其在执行任务时能够更好地理解周围环境，灵活应对各种场景，提升机器人的智能化水平和作业能力。

此次复旦团队联合研发的基于二维半导体DRAM的仿生神经元类脑视觉芯片，在技术创新与性能提升上取得了重大突破，为类脑视觉芯片的发展开辟了新路径，随着技术的进一步优化与完善，必将在更多领域发挥重要作用，推动人工智能视觉应用迈向新高度。

来源：半导体芯科技

 

审核编辑 黄宇