自供电人工突触模拟人类色觉功能

有趣的是，人类视觉系统提供了一个引人注目的替代模型。与需要捕获和处理每个细节的传统机器视觉系统不同，我们的眼睛和大脑会选择性过滤信息，从而在消耗极低功耗的同时实现更高效率的视觉处理。因此，模仿生物神经系统结构和功能的神经形态计算，已成为克服计算机视觉现有障碍的一种有前景的方法。然而，两大挑战持续存在：首先是实现媲美人眼视觉的色彩识别能力，其次是消除对外部电源的需求以最小化能耗。

在此背景下，日本东京理科大学先进工学部电子系统工程系的生野皓司副教授领导的研究团队开发出一项突破性解决方案。他们于2025年5月12日发表在期刊Scientific Reports第15卷的论文，介绍了一种能够以卓越精度区分色彩的自主供电人工突触。该研究的合著者还包括东京理科大学的近藤宏明先生和細田紀香女士。

研究人员通过集成两个对特定光波长具有差异化响应的染料敏化太阳能电池创建设备。与传统需要外部电源的光电人工突触不同，该突触通过太阳能转换自主发电。这种自供电特性使其特别适用于能源效率至关重要的边缘计算场景。

大量实验证明，该系统能在可见光谱范围内以10纳米的分辨率区分色彩——这种辨别能力已接近人眼水平。此外，该器件还表现出双极化响应特性：蓝光下产生正电压，红光下产生负电压。这使得执行复杂逻辑运算成为可能，而此类运算通常需要多个传统设备协同完成。生野博士指出："这些结果表明，这种能同时实现高分辨率色彩识别与逻辑运算的新一代光电器件，在面向视觉识别的低功耗人工智能（AI）系统中具有巨大应用潜力。"

为展示实际应用，团队将该器件应用于物理储层计算框架，成功识别了红、绿、蓝三色记录的人类不同动作。仅用单个器件对18种色彩与动作组合进行分类时，系统准确率高达82%，而传统系统需要多个光电二极管才能实现相同功能。

这项研究的影响将辐射多个产业领域：在自动驾驶汽车中，此类器件可实现交通信号灯、路标及障碍物的高效识别；在医疗健康领域，可驱动以最低电池消耗监测血氧等生命体征的可穿戴设备；对消费电子而言，该技术有望使智能手机及增强/虚拟现实头显在保持复杂视觉识别能力的同时，显著延长电池续航时间。生野博士强调："我们相信该技术将助力实现具有接近人眼辨色能力的低功耗机器视觉系统，应用于自动驾驶汽车的光学传感器、医用低功耗生物传感器及便携式识别设备。"

总体而言，这项研究标志着向边缘设备赋能计算机视觉奇迹迈出了重要一步，使日常设备能够像人类一样"看见"世界。