近日，《Nature》刊登一则新研究，提供了一种新颖的AI视觉芯片研发方向。维也纳大学的电气工程师LukasMennel和他的同事们研发了一种新型的超高速机器视觉设备，用图像传感器将图像处理速度提升至传统技术的数千甚至上万倍。

　　据介绍，新型图像传感器在工作时不会消耗任何电能，被检测的光子本身就可以作为电流供能。

　　传统的机器视觉技术通常能够每秒处理100帧图像，一些更快的系统则可以每秒处理1000帧，相比之下，新型的超高速机器视觉设备每秒可以处理2000万帧。

　　据悉，其视觉系统设计模仿了大脑对信息处理的方式，只用纳秒级时间就能完成简单图像的分类。

　　新型的视觉系统芯片上的互连传感器（正方形）不仅可以采集信号，而且还可以用作ANN来识别简单特征，从而减少了传感器和外部电路之间的冗余数据移动。

　　研究人员们在芯片上构建了一个光电二极管网络。这些光电二极管是对光敏感的微小单元，每个单元都包含几个原子层的二硒化钨，二硒化钨是一种可调节光响应的二维半导体材料。

　　通过更改施加的电压，可以增加或减少该半导体对光的响应，从而分别调节每个二极管的灵敏度。改变光电二极管的光响应性，会改变网络中的连接权重。

　　相当于把网络的训练结果直接放在传感器端，不用经过把训练权重送到外部存储器这一过程。这就将光电传感器网络变成了神经网络，并使其能够执行简单的计算任务。

　　据介绍，目前，这些主要用在特定的科学应用，例如，流体动力学、燃烧过程或机械故障过程可从更快的视觉数据获取中受益。