神经硬件和图像识别

人工智能（AI）传统上基于软件，但维也纳科技大学的研究人员创建了更快的智能硬件。新开发的芯片能够分析图像并在纳秒内提供正确的输出。

在今天的世界中，自动图像识别用于各种不同的应用，某些计算机程序可以准确诊断健康问题，如皮肤癌，导航自动驾驶车辆，并控制机器人。这通常是通过评估由摄像机提供的图像数据来完成的，但一个缺点是它耗时。例如，当每秒记录的图像数量很高时，生成的大量数据通常无法处理。

特殊的2D材料

TU Wien的科学家决定使用一种特殊的2D材料。他们开发了一个可以通过训练识别某些物体的图像传感器。芯片基于人工神经网络，并且可以在纳秒内提供有关其所看到内容的数据。

该研究发表在科学期刊《Nature》上。

人工神经网络是人工系统，可以代表我们大脑中的神经细胞，它们相互连接。一个细胞可以影响许多其他细胞，计算机上的人工学习以类似的方式工作。

“通常，图像数据首先逐像素读取，然后在计算机上处理，”Thomas Mueller说。“我们另一方面，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。这使得物体识别的速度快了几个数量级。”

基于钨二硒化物的芯片是在TU Vienna开发和制造的。钨二硒化物是一种仅由三个原子层组成的超薄材料。每个单独的光探测器，或“相机的像素”，都连接到输出元件，这提供了物体识别的结果。

“在我们的芯片中，我们可以具体调整每个单独的探测器元件的灵敏度——换句话说，我们可以控制由特定探测器接收的信号如何影响输出信号，”Lukas Mennel说，他是该出版物的第一作者。“我们只需要简单地在光探测器处直接调整局部电场。”

他们通过外部和计算机程序进行此调整。传感器可以用于记录不同的字母并调整单个像素的灵敏度。总会有相应的输出信号。

神经网络接管

在学习过程完成后，计算机不再需要。神经网络能够独立运行，并且可以在50纳秒内产生输出信号。

“我们的测试芯片目前仍然很小，但您可以根据要解决的任务轻松扩大技术，”Thomas Mueller说。“原则上，芯片也可以被训练来区分苹果和香蕉，但我们认为它更适合用于科学实验或其他专用应用。”

该技术在需要极高速度的领域中最有用，例如断裂力学和粒子检测。