突破性科技：整合感測、記憶與處理的視覺神經網路陣列

在人工智慧領域的最新突破中，研究團隊成功開發出一種新型的「突觸裝置陣列」，這項技術有望大幅提升人工視覺系統的效能。這個僅有0.7 × 0.7平方公分大小的創新陣列，整合了感測、記憶與處理三大功能，模擬人類視覺系統的複雜運作機制。

該陣列採用晶圓級單層二硫化鉬（MoS₂）與金奈米粒子來增強電子捕捉能力，展現出光學與電子元件之間的高度協調性。它不僅能寫入與擦除影像，更在手寫數字辨識上達到96.5%的準確率，這項成果標誌著大規模神經形態系統發展的重大躍進。

人類視覺系統透過相互連結的網路高效處理複雜的視覺資訊，實現平行運算。然而，現有的人工視覺系統面臨諸多挑戰，包括電路複雜、高功耗以及微型化困難等問題。這些問題主要源於訊號裝置與處理單元的分離，阻礙了視覺資訊的平行處理能力。儘管過去已有不少嘗試，但要在單一裝置上模擬完整的生物啟發視覺系統仍是一大難題，這也驅動了對更整合、高效且能即時處理的解決方案的需求。

近期發表於《微系統與奈米工程》期刊的一項研究，為這些長期存在的挑戰提供瞭解決方案。由北京理工大學團隊主導的研究，展示了一個28 × 28的突觸裝置陣列，採用MoS₂浮動閘極場效電晶體製成。這項裝置不僅複製了人類視覺系統的神經網路，更展現出卓越的光電突觸效能，為更高效與整合的人工視覺系統奠定了基礎。

研究團隊利用MoS₂浮動閘極電晶體結合金奈米粒子作為電子捕捉層，實現了穩定且均勻的光電效能，能夠模擬關鍵的突觸行為，如興奮性突觸後電流（EPSC）與成對脈衝促進（PPF）。該陣列展現出約10⁶的開關比與8 cm²V^-1s^-1的平均遷移率。

值得注意的是，該陣列能夠儲存與處理影像資料，例如北京理工大學的校徽，展現了其在光學資料處理上的潛力。此外，透過調整光強度與微調辨識準確度，研究團隊開發出一種新方法，可在不同光照條件下最佳化系統效能。

該研究的通訊作者趙晶表示：「我們的研究成果為大規模整合人工視覺神經形態系統提供了一條可行的途徑。基於MoS₂的突觸陣列效能，代表著從裝置級模擬到系統級整合的實際應用邁出了重要一步。」

人工突觸神經網路的進展帶來了多項優勢，包括高度整合、穩定均勻性與強大的平行處理能力。這些特性有望徹底改變計算系統的效能。該網路能夠同時處理光電訊號，並透過光訊號調整突觸權重，在手寫數字辨識上已展現出96.5%的準確率。這項突破為深度學習與人工視覺的未來開啟了令人興奮的可能性，有望在不久的將來帶來更聰明、更高效的系統。