随着现代科技的快速发展，人工智能技术在社会各领域得到广泛应用，正推动人类社会新一轮信息化技术革命。人工视觉系统是人工智能的“眼睛”，在社会中扮演着重要角色，例如无人驾驶、机器人等。然而目前人工视觉系统还不够快、不够精确、不够聪明，因此人工智能的“眼睛”还不是那么“明亮”。

想象一下，如果给汽车、机器人安装一个精准、高效、智能的人工视觉系统，获得与孙悟空相媲美的“火眼金睛”，便可以在各种复杂环境中快速识别周围物体，实时做出反应，那么智能机器人、无人驾驶等高科技就会真正走进我们生活。

近期，中国科学院宁波材料技术与工程研究所诸葛飞团队在人工视觉领域取得突破性进展，在国际上率先研发出一种完全用光驱动工作的忆阻器，可用于构建新一代人工视觉系统。该器件基于氧化物半导体和铂族金属制备而成，其独特的全光控性能得益于铂族金属大的功函数和优异的化学稳定性。铂族金属包括铂金、钯金、铑、铱、钌和锇，它们被广泛应用于首饰、汽车催化剂、石油和精细化工产品、空气和水净化装置、起搏器、电脑屏幕、硬盘和氢能与燃料电池。

全光控忆阻器的巨大优势是可以将传统人工视觉系统中的光传感器、存储器和处理器的功能集于一身，获得感/存/算一体化的新型人工视觉系统。可以通俗的理解为，全光控忆阻器即可以像人眼一样直接感知外界光信息，又可以像大脑一样完成信息的处理和记忆。

01 

中国科学院宁波材料技术与工程研究所的这项研究成果虽然还处于研究的初级阶段，但足以振奋人心。因为该成果为实现人工视觉系统的感/存/算一体化带来了希望，这是科学家们孜孜追求的研究目标。

要知道，人工视觉系统经历了数十年的发展，视觉数据的采集、处理和存储依然是分离的，需要利用传感器、处理器以及存储器三个部分来完成。人工视觉系统大部分的时间和能耗会浪费在视觉数据在这三者之间的传输上，严重限制了它的工作效率。此外，传统人工视觉系统不具备自主学习能力，无法快速适应各类复杂场景。

人工视觉系统无法高效完成信息处理任务，也就意味着无法根据外界环境快速地将指令发放给控制系统。因此，我们看到的机器人行动笨拙，无人驾驶汽车反应不够迅速，难以在实况马路上安全行驶。

一个理想的解决方案是将传感器、处理器以及存储器集成于一体，打造感/存/算一体化的新型人工视觉系统。这样不仅可以从根本上避免数据在视觉系统内反复传输，而且可以像人脑一样拥有自主学习能力，极大地提高系统工作效率。

02

那么问题来了，如何才能实现人工视觉系统的感/存/算一体化呢？科学研究的灵感往往来源于大自然本身。人类作为自然界的高等动物，得益于我们聪明的大脑。人脑是由数量庞大的突触和神经元组成的复杂网络系统，其计算效率远高于现有计算机。因此，构建可以模拟人脑结构和计算模式的类脑芯片是实现人工视觉系统感/存/算一体化的关键。

一种名为忆阻器的新型电子元器件，因具有简单的两端结构、超快的运行速度和超低的能耗，在模拟大脑功能方面极具优势，成为构建类脑芯片的重要候选者。简单来讲，类脑芯片好比一栋摩天大楼，而忆阻器便是建造大楼的砖。

忆阻器通常是在电信号驱动下工作的，对光信号并不敏感，这就导致常规的忆阻器无法直接用于视觉信息处理。西班牙科学家Mariana Ungureanu 于2012年将光信号引入到忆阻器工作机制中，获得了首个光电忆阻器。此后，许多科学家利用光电忆阻器来构建人工视觉系统，模拟人类视觉功能。

然而，近十年来，光电忆阻器一直采用光信号和电信号混合方式驱动。这种操作模式复杂，不利于视觉信息的高效处理。相比之下，全光信号驱动可以直接利用外界的光实时处理视觉信息，是一种非常理想的工作模式，但一直以来都难以实现。因此，实现忆阻器全光信号驱动，是科学家公认的重大挑战。

令人激动的是，在中科院材料所科研人员多年来的努力下，这一挑战终于得到了解决。全光控忆阻器的问世打破了忆阻器通往感/存/算一体化人工视觉系统应用的壁垒，相信在不久的将来就可以走进我们的生活。

03

实现人工视觉系统的感/存/算一体化后，会对我们的生活带来什么样的影响呢？一个最直观的应用领域就是无人驾驶。近年来，无人驾驶一直是研究的热点，虽然在少数地方有简单的测试，但这项高科技一直没能大规模应用。一个重要的原因是汽车上的视觉系统感/存/算分离，导致信息的处理效率太低，而且只能根据特定路况被动学习训练。现在好了，忆阻器全光控技术的突破不仅可以大幅度提高视觉系统的计算效率，而且可以让其拥有自主学习能力，快速地适应各种路况，变的像人脑一样随机应变。

相信无人驾驶的大规模应用不再遥远。安装了感/存/算一体的人工视觉系统后，汽车就有了“火眼金睛”。畅想一下，我们只需要一个指令，人工视觉系统会根据路况信息自动完成驾驶任务。汽车还会自己寻找合适的停车点，很大程度上节省了我们出行的时间。人们再也不用为打不着车、找不到停车位而烦恼。依靠人工视觉系统强大的自主学习能力，交通事故的发生率也会大幅度下降，当然这还只是无人驾驶初级阶段。

当无人驾驶进化到高级阶段后，马路上已经难以看到人们自己驾驶汽车了，手动驾驶可能被认为是一件疯狂的事情。无人驾驶汽车已经可以适应各种路况信息，飞速地在马路上穿行，安全性能远高于手动驾驶。也许到那时候不用自己买车了，只需验证身份，就有无人驾驶汽车送我们到任意的地方。

此外，每一辆无人驾驶汽车收集到的路况信息可以实时反馈给超级计算机控制中心。控制中心通过大数据分析，帮助每辆车优化行驶路线，再也不会出现堵车的状况，马路上可能连红绿灯都不用了。

另一个重要的应用会是在机器人领域。目前，机器人偶尔会出现在我们的生活中，但它们往往反应迟缓，行动不便，和我们在电影里看到的机器人相差甚远。炼就“火眼金睛”的新型人工视觉系统有望改变这一切。它可以快速收集周围信息，同时作出判断，并实时反馈给控制系统，让机器人迅速作出反应。不仅如此，机器人还可以根据看到的信息，不断地进行自主学习，会变的越来越智能，甚至形成自己的思维。

其实，全光控忆阻器除了用于处理视觉信息外，还可以通过配合各种智能传感器来处理声音、气味、温度、压力等信号，进而可构建新型的人工听觉系统、嗅觉系统、触觉系统。当机器人拥有了这些功能，就真的可以像人类一样灵活和聪明，代替人类完成许多工作，也许未来机器人会像汽车一样出现在每个家庭。

甚至，我们人类也可以为自己打造一副“火眼金睛”，并通过脑机接口与大脑互连。这样不仅可以帮助盲人重见光明，而且可以让我们拥有一个超级大脑。我们只需要将要学习的东西在眼前扫描一下，就可以完成整个学习过程，短时间内即可获得大量新知识。

04

科学研究永无止境，人类不断创造各种奇迹。最后我想说的是，科学技术是把双刃剑，科学研究要怀有敬畏之心，我们在追求科技发展的同时，也需要理性发展人工智能技术，实现我们与自然的和谐共处。

国内外代表性工作：

[1] L. Hu, J. Yang, J. Wang et al., All-optically controlled memristor for optoelectronic neuromorphic computing. Advanced Functional Materials, 31, 2005582 (2021).

单位：中国科学院宁波材料技术与工程研究所

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.202005582

[2] L. Wu, Z. Wang, B. Wang et al., Emulation of biphasic plasticity in retinal electrical synapses for light-adaptive pattern pre-processing. Nanoscale, 13, 3483-3492 (2020).

单位：北京大学

论文链接：https://pubs.rsc.org/en/content/articlelanding/2021/NR/D0NR08012H

[3] Y. Chen, Q. Wei, J. Yin et al., Silicon-based hybrid optoelectronic devices with synaptic plasticity and stateful photoresponse. Advanced Electronic Materials, 4, 1800242 (2019).

单位：南京大学

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/aelm.201800242

[4] Y. Sun, L. Qian, D. Xie et al., Photoelectric synaptic plasticity realized by 2D perovskite. Advanced Functional Materials, 29, 1902538 (2019).

单位：清华大学

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.201902538

[5] K. Zhang, D. Meng, F. Bai et al., Photon-memristive system for logic calculation and nonvolatile photonic storage. Advanced Functional Materials, 34, 2002945 (2020).

单位：中国科学院北京纳米能源与纳米系统研究所

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.202002945

[6] D. Hu, R. Yang, L. Jiang et al., Memristive synapses with photoelectric plasticity realized in ZnO1–x/AlOy heterojunction. ACS Applied Materials & Interfaces, 10, 6463–6470 (2018). 

单位：华中科技大学

论文链接：https://pubs.acs.org/doi/10.1021/acsami.8b01036

[7] F. Zhou, Z. Zhou, J. Chen et al., Optoelectronic resistive random access memory for neuromorphic vision sensors. Nature Nanotechnology, 14, 776–782 (2019).

单位：香港理工大学

论文链接：https://www.nature.com/articles/s41565-019-0501-3

[8] X. Zhu, and W. D. Lu, Optogenetics-inspired tunable synaptic functions in memristors. ACS Nano, 12, 1242–1249 (2018).

单位：美国-密歇根大学

论文链接：https://pubs.acs.org/doi/10.1021/acsnano.7b07317

[9] P. Wang, M. E. Nasir, A. V. Krasavin et al., Optoelectronic synapses based on hot-electron-induced chemical processes. Nano Letters, 20, 1536−1541 (2020).

单位：英国-伦敦国王学院

论文链接：https://pubs.acs.org/doi/10.1021/acs.nanolett.9b03871

[10] A. H. Jaafar, M. O’Neill, S. M. Kelly et al., Percolation threshold enables optical resistive-memory switching and light-tuneable synaptic learning in segregated nanocomposites. Advanced Electronic Materials, 5, 1900197 (2019).

单位：英国-赫尔大学

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/aelm.201900197

[11] M. Ungureanu, R. Zazpe, F. Golmar et al., A light-controlled resistive switching

memory. Advanced Materials, 24, 2496−2500 (2012).

单位：西班牙-CIC nanoGUNE 研究中心

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.201200382

[12] P. Maier, F. Hartmann, M. R. Sousa Dias et al., Light sensitive memristor with bi-directional and wavelength-dependent conductance control. Applied Physics Letters, 109, 023501 (2016).

单位：德国-维尔茨堡大学

论文连接：https://aip.scitation.org/doi/10.1063/1.4955464

[13] B. J. Murdoch, T. J. Raeber, Z. C. Zhao et al., Light-gated amorphous carbon memristors with indium-free transparent electrodes. Carbon, 152, 59-65 (2019).

单位：澳大利亚-墨尔本皇家理工大学

论文链接：https://www.sciencedirect.com/science/article/pii/S0008622319305780?via%3Dihub

[14] M. Kumar, S. Abbas, and J. Kim, All-oxide-based highly transparent photonic synapse for neuromorphic computing. ACS Applied Materials & Interfaces, 10, 34370−34376 (2018).

单位：韩国-仁川大学

论文链接：https://pubs.acs.org/doi/10.1021/acsami.8b10870

[15] S. Ham, S. Choi, H. Cho et al., Photonic organolead halide perovskite artificial synapse capable of accelerated learning at low power inspired by dopamine-facilitated synaptic activity. Advanced Functional Materials, 29, 1806646 (2019).

单位：韩国-高丽大学

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.201806646

[16] X. Guan, W. Hu, M. A. Haque et al., Light-responsive ion-redistribution-induced resistive switching in hybrid perovskite schottky junctions. Advanced Functional Materials, 28, 1704665 (2018).

单位：沙特阿拉伯-阿卜杜拉国王科技大学

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adfm.201704665

返回第一电动网首页 >