自供能人工突触模拟人类色觉机制

有趣的是，人类视觉系统提供了一个引人注目的替代模型。与必须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，从而在消耗极少能量的同时实现更高效率的视觉处理。神经形态计算通过模仿生物神经系统的结构和功能，因此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水平的色彩识别能力，其次是消除对外部电源的需求以最小化能耗。

在此背景下，日本东京科学大学先进工程学院电子系统工程系生野贵司副教授领导的研究团队开发了一项突破性解决方案。他们的论文于2025年5月12日发表在《科学报告》（Scientific Reports）期刊第15卷，介绍了一种能够以卓越精度区分颜色的自供电人工突触。该研究由同样来自东京科学大学的小松弘明先生和细田纪香女士共同撰写。

研究人员通过集成两个对光波长具有不同响应的染料敏化太阳能电池制造出该器件。与需要外部电源的传统光电人工突触不同，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应用场景。

大量实验证明，该系统的可见光谱色彩分辨率可达10纳米——这种区分能力已接近人眼水平。此外，该器件还表现出双极响应特性：在蓝光下产生正电压，在红光下产生负电压。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器件才能实现。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下一代光电器件，在具有视觉识别功能的低功耗人工智能（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，用以识别以红、绿、蓝三色记录的不同人体动作。仅使用单个器件（而非传统系统所需的多个光电二极管），该系统在对18种不同颜色与动作组合进行分类时实现了82%的准确率。

这项研究的影响涵盖多个行业：在自动驾驶领域，该器件可实现更高效的交通信号灯、路标及障碍物识别；在医疗健康领域，可为监测血氧水平等生命体征的可穿戴设备供电，同时显著降低电池能耗；在消费电子领域，该技术有望使智能手机和增强/虚拟现实头显在保持复杂视觉识别能力的同时大幅提升电池续航。生野博士强调："我们相信这项技术将助力实现具有接近人眼色彩识别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、医疗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予计算机视觉能力迈出了重要一步，使我们的日常设备能够像人类一样观察世界。

Story Source:

Materialsprovided byTokyo University of Science.Note: Content may be edited for style and length.

Journal Reference:

Hiroaki Komatsu, Norika Hosoda, Takashi Ikuno.Polarity-tunable dye-sensitized optoelectronic artificial synapses for physical reservoir computing-based machine vision.Scientific Reports, 2025; 15 (1) DOI:10.1038/s41598-025-00693-0