仿生感存算一体视觉系统：仿生机制、设计原理及其应用

随着物联网(IoT)时代传感数据的爆炸式增长，传统的机器视觉系统由于其固有的传感、存储和计算单元分离的缺点，难以满足高能效和低延迟的要求。受视网膜和神经形态计算的启发，具有低功耗、低延迟和高并行性的感存算一体视觉系统被认为是超越冯·诺伊曼架构、实现强人工智能的一种有前途的技术。同时，具有优异光电性能的二维半导体和量子点等新型材料的不断发展为实现传感-存储-计算集成架构提供了硬件载体，引起了研究人员的广泛关注。与以往主要关注材料和器件的综述不同，本文从仿生生物学、传感材料、电子器件和计算体系结构等跨学科的角度对仿生感存算一体视觉系统进行了系统全面的总结。

图1 感存算一体视觉系统研究进展

本文从仿生机制、设计原理、计算架构和应用等方面综述了仿生视觉系统的研究进展。(如图1所示)。 首先阐述了高效的生物视觉系统机制，在此基础上总结提炼了仿生感存算一体计算架构，为高性能人工视觉感知系统的设计提供了思路。生物视觉系统通过将光感受器垂直连接到具有存储和整合能力的突触上，在传感端形成了一个多层次的视觉信息整合网络。这些特性赋予视网膜存储和图像预处理特性，集成了传感、记忆和计算等功能。

然后归纳了基于光电突触的仿生感存算一体视觉系统在器件原理和应用方面的研究进展，包括图像滤波、颜色识别、视觉自适应、运动检测等。同时基于已有工作提出仿生感存算一体视觉系统的多学科交叉设计原则，即体系结构设计至顶向下方法与材料科学角度自下而上方法相结合的思路。

最后，从仿生功能、体系结构和材料器件制备等方面讨论了感存算一体视觉系统面临的挑战。在仿生功能方面，模拟大脑视觉皮层中更高级更复杂的后处理功能如视觉注意机制、立体视觉等有待进一步探索；在体系结构方面，需要开发更高级的网络结构并实现更强大的预处理能力，同时激活函数的硬件实现、神经网络的在线训练问题亟需解决；在材料器件制备方面，集成规模更大、存储精度更高、控制方式更简单的材料和器件有待发掘和探索。