本文参加百家号#科学了不起#系列征文赛。

近日，俄勒冈州立大学的研究人员正在研究开发的新型光学传感器取得关键进展，这种传感器能够更准确地模仿人眼感知其视野变化的能力。该传感器是图像识别、机器人和人工智能等领域的重大突破。研究成果发表在《AppliedPhysicsLetters》上。

电子工程和计算机科学助理教授Labram介绍道，以前试图开发一种人眼类型的设备，称为视网膜形态传感器，依靠软件或复杂的硬件。新传感器是其设计的一部分，使用超薄层的钙钛矿半导体（近年来常被用于太阳能电池研究），当放置在光线下时，它将从强电绝缘体变为强导体。

Labram说，新的传感器可能是神经形态计算机的完美搭配，这些计算机将在自动驾驶汽车、机器人和高级图像识别等应用中为下一代人工智能提供动力。与传统计算机不同的是，传统计算机将信息作为一系列指令依次处理，而神经形态计算机的设计是为了模拟人脑的大规模并行网络。

眼睛是一个超级复杂的器官，它包含约1亿个感光器。然而，视神经与大脑的连接只有万个。这意味着，在图像传输之前，必须在视网膜上进行大量的预处理和动态压缩。

我们的视觉系统相对静态图像来说更适合检测移动的物体，因此，会优先考虑来自检测光强变化的感光元件的信号，比如你可以盯着一个固定的点，直到你周边视觉中的物体开始消失，这种现象被称为特罗克斯勒效应。

传统的传感技术，如数码相机和智能手机中的芯片，更适合顺序处理。图像以设定的频率在二维传感器阵列上逐个像素扫描。每个传感器都会产生一个信号，其振幅直接随接收到的光照强度而变化，这意味着静态图像将导致传感器输出电压或多或少地保持不变。

相比之下，视网膜形态传感器在静态条件下保持相对安静。当它感受到照明的变化时，会记录一个短暂而尖锐的信号，然后迅速恢复到其基准状态。这种行为归功于一类被称为钙钛矿的半导体的独特光电特性，这种半导体作为下一代低成本太阳能电池材料已经显示出巨大的前景。

在Labram的视网膜传感器中，钙钛矿被应用在超薄层中，只有几百纳米厚，其功能基本上是作为一个电容器，在照明下改变其电容。

虽然Labram的实验室目前一次只能测试一个传感器，但他的团队测量了许多设备，并开发了一个数字模型来复制它们的行为，得出了Labram认为的理论和实验之间的良好匹配。这使得该团队能够模拟一系列视网膜形态传感器，以预测视网膜形态摄像机将如何响应输入刺激。

我们可以将视频转换为一组光强度，然后将其放入我们的模拟中，Labram说。从传感器中预测出较高电压输出的区域会亮起来，而较低电压区域则保持黑暗。如果摄像机是相对静止的，你可以清楚地看到所有正在移动的东西都会做出强烈的反应。这与哺乳动物的光学传感方式保持了合理的一致性。

现在有了这种模拟，我们可以将任何视频输入这些阵列中的一个，并以人眼基本相同的方式处理这些信息，Labram说。例如，这些传感器被机器人用来跟踪物体的运动。在它的视野中，任何静态的东西都不会引起响应，然而，一个移动的物体将记录一个高电压。这将立即告诉机器人物体的位置，而无需任何复杂的图像处理。