6月iOS設備好評榜：第一蟬聯榜首近一年
作為安兔兔各種榜單里變化最小的那個，2023年6月的iOS好評榜和上個月相比沒有任何排名上的變化，僅僅是部分設備好評率的下降，長年累月的用戶評價和逐漸退出市場的老款機器讓這
澳大利亞皇家墨爾本理工大學（RMIT University）的研究團隊近期取得了突破性的進展，成功研發出一款類腦神經形態設備。這款設備能夠模仿人類大腦處理信息的方式，獨立實時檢測手勢、存儲記憶及處理視覺數據，無需依賴外部計算機。
RMIT大學的蘇米特·瓦利亞教授領導的研究團隊表示，這款概念驗證設備模擬了人眼捕捉光線及大腦處理視覺信息的能力。它能夠迅速感知環境變化并形成記憶，同時極大地節省了數據和能量。這項創新為高級機器人技術、自動駕駛汽車及下一代無縫人機交互系統的發展提供了新的契機。
神經形態視覺與信息處理是當前科技領域的前沿課題，旨在開發更加智能和高效的計算與感知系統。脈沖神經網絡（SNNs）作為其中的關鍵方法，通過類似真實腦細胞的觸發信號（即“脈沖”）傳遞信息。研究團隊采用漏電積分-發放（LIF）模型，實現了電信號累積達到閾值后觸發脈沖并重置系統的機制，與真實神經元的行為高度相似。
在材料方面，研究團隊結合神經形態材料與先進信號處理技術，開發出了能夠實時捕捉和處理視覺信息的設備。該技術的核心是二硫化鉬（MoS?），這是一種具有原子級缺陷的金屬化合物，能夠像神經元一樣檢測光線并將其轉化為電信號。
研究顯示，通過化學氣相沉積技術制造的超薄MoS?層能夠模擬腦細胞的充放電過程，與LIF神經元模型高度一致。這些超薄層對光線的響應使其能夠復制真實神經元的電行為。通過調節柵極電壓，系統能夠快速重置，從而提高響應速度，這一過程與大腦的工作方式類似。
在實驗中，研究人員利用MoS?的關鍵光響應特性構建了脈沖神經網絡（SNN）。該模型在經過15次訓練后，在靜態圖像任務中的準確率達到了75%；經過60次訓練后，在動態任務中的準確率提升至80%，顯示出強大的實時視覺處理能力。該設備通過邊緣檢測技術檢測手勢動作，避免了逐幀捕捉，顯著減少了數據和能耗，并將這些變化存儲為記憶，模擬了大腦的功能。
RMIT的博士研究生蒂哈·昂作為該研究的第一作者指出，他們證明了原子級薄的二硫化鉬能夠精準復制LIF神經元行為，這是構建脈沖神經網絡的基本模塊。研究團隊還提到，之前基于紫外光的研究主要集中在靜態圖像檢測、記憶和處理方面，而此次開發的設備在可見光范圍內同樣具備重置記憶的功能，為新任務做好準備。
該創新技術有望大幅提升自動駕駛汽車和高級機器人對視覺輸入的響應能力，特別是在高風險或快速變化的環境中。通過快速檢測場景變化并最小化數據處理需求，該技術能夠實現更迅速、高效的反應，同時增強人機交互在制造業或個人輔助等領域的應用。
目前，研究團隊正在將單像素原型擴展為更大的基于MoS?的像素陣列，并已獲得新的研究資金支持。他們正在探索優化設備以應對更復雜的視覺任務、提高能效以及將其與傳統數字系統集成的方法。
研究團隊還在研究其他材料，以拓展設備在紅外光范圍內的能力，用于排放追蹤和智能環境感知等應用。他們的研究成果已在《先進材料技術》期刊上發表。
本文鏈接：http://www.rrqrq.com/showinfo-24-149806-0.html澳洲團隊研發類腦設備，實時視覺處理能力媲美人腦
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號