神经硬件与图像识别

人工智能（AI）传统上是以软件为基础的，但是维也纳理工大学的研究人员已经创造出了更快的智能硬件。新开发的芯片能够在几纳秒内分析图像并提供正确的输出。

在当今世界，自动图像识别被用于各种不同的应用，某些计算机程序可以准确诊断皮肤癌等健康问题，驾驶自动驾驶车辆，控制机器人。这通常是通过评估由摄像机传送的图像数据来完成的，但缺点是这很耗时。例如，当每秒记录的图像数量很高时，通常无法处理生成的大量数据。

特殊2D材质

tuwien的科学家们决定使用一种特殊的二维材料。他们开发了一种图像传感器，可以训练识别某些物体。这个芯片是基于人工神经网络的，芯片可以在纳秒内提供它所看到的东西的数据。

这项研究发表在科学期刊《自然》上。

神经网络是一种人工系统，可以代表与我们大脑中其他神经细胞相连的神经细胞。一个细胞可以影响许多其他细胞，计算机上的人工学习也以类似的方式工作。

托马斯·穆勒说：“通常情况下，图像数据首先逐像素读出，然后在计算机上进行处理。“另一方面，我们将神经网络及其人工智能直接集成到图像传感器的硬件中。这使物体识别速度提高了许多数量级。”

该芯片基于由二硒化钨制成的光电探测器，是在TU维也纳开发和制造的。二硒化钨是一种超薄材料，只有三层原子层。每一个单独的光电探测器或相机的“像素”都连接到输出元件，输出元件提供物体识别的结果。

“在我们的芯片中，我们可以具体地调整每个单独的探测器元件的灵敏度——换句话说，我们可以控制特定探测器所拾取的信号对输出信号的影响方式，”该出版物的第一作者卢卡斯·梅内尔说。“我们所要做的就是直接在光电探测器上调整一个局部电场。”

他们在外部和通过使用计算机程序进行这种调整。该传感器可以用来记录不同的字母，并调整各个像素的灵敏度。总会有相应的输出信号。

神经网络接管

学习过程完成后，就不需要计算机了。神经网络能够单独工作，并且可以在50纳秒内产生输出信号。

托马斯·穆勒说：“我们的测试芯片目前还很小，但你可以根据你想解决的任务轻松地扩大技术规模。”。“原则上，芯片也可以训练成区分苹果和香蕉，但我们看到它更多地用于科学实验或其他专门应用。”

这项技术将在需要极高速度的领域最有用，例如断裂力学和粒子检测。