据外媒报道，维也纳工业大学（TU Wien）的研究人员研发了一款内置神经网络的超高速图像传感器，经过训练，该款传感器可用于识别物体。
（图片来源：维也纳工业大学）
如今，自动图像识别技术被广泛采用，有些计算机程序能够可靠地诊断出皮肤癌、为自动驾驶汽车导航或控制机器人。到目前为止，上述应用都需要依赖普通摄像头对图像数据进行评估，而该过程非常耗时，特别是当每秒记录的图像数量很大时，会产生大量难以处理的数据。
因此，维也纳工业大学的科学家们采取了一种不同的方法，利用了一种特殊的2D材料，研发了一种图像传感器，经过训练可用于识别特定物体。该芯片代表了一种具备学习能力的人工神经网络，无需由计算机读取和处理数据，该芯片本身就可以在纳秒内提供当前所看到的信息。
（图片来源：维也纳工业大学）
学习硬件
神经网络是一种与人脑类似的人工系统，人脑的神经细胞与其他神经细胞相连，当一个细胞处于活跃状态时，会影响到邻近神经细胞的活动。在计算机上进行人工学习的原理也与人脑完全相同，对神经元网络进行数字化模拟，改变该网络上的一个节点对另一个节点的影响强度，直到该网络显示出研究人员所需的行为。
研究人员表示：“通常，需要逐像素读取图像数据，然后再在计算机上处理图像数据。我们则将具备人工智能功能的神经网络直接集成到图像传感器的硬件中，从而使物体识别速度提升了好几个数量级。”
该芯片由维也纳工业大学研发和制造，基于一种由二硒化钨制成的光电探测器打造，二硒化钨是一种超薄的材料，只由三层原子层组成。该光电探测器（摄像头系统的“像素”）被连接到少量的输出元件上，而此类输出元件会提供物体识别的结果。
（图片来源：维也纳工业大学）
在不断变化的灵敏度条件下学习
研究人员表示：“在我们的芯片中，我们可以专门调整每个探测器元件的灵敏度，换句话说，我们可以控制影响输出信号的探测器接收信号的方式。我们所要做的就是直接在光电探测器上调整局部电场，此种调整是在计算机程序的帮助下，在外部完成。例如，可以采用传感器记录不同的字母并逐步改变单个像素的灵敏度，直到某个字母总是精确地指向相应的输出信号。芯片中的神经网络也是这样配置的，可以让网络中的某些连接更强，另一些连接更弱。”
一旦学习过程完成，就不再需要计算机了，该神经网络就可以独立工作了。如果将某个字母呈现给传感器，就可以在50纳秒内生成训练好的输出信号，例如，一个数字代码，表示芯片刚刚识别出的字母。
当物体需要高速运动时，也可识别物体
研究人员表示：“目前，我们研发的测试芯片很小，但是可以根据想要解决的任务将其轻松扩展。原则上，此种芯片也可通过训练，用于区分苹果和香蕉，但是我们希望其能够更多地应用于科学实验或其他特殊应用。”
此外，该技术还可用于极其高速的应用：“从断裂力学到粒子探测等多个研究领域，可以用于研究短时间内发生的事件。”