随着人工智能和智能设备的不断发展，作为现代技术的主要推动者，机器的愿景起着特别重要的作用。但是，尽管发展良好，但机器的视觉系统仍然面临一个主要问题：处理大量的每秒产生的视觉数据需要许多电源，存储和计算来源。该限制使得在智能手机，无人机或自动驾驶汽车等侧面设备上部署视觉识别功能变得困难。本文指出：值得注意的是，人类视觉系统提供了一个惊人的替代模型。与需要获得的传统机器视觉系统不同，我们的眼睛和大脑选择对信息进行灌输，这可以激活视觉处理的提高，同时消耗少量能量。神经形态计算，模仿生物神经系统的结构和功能，因此成为采用有希望的方法来克服计算机视觉中的现有限制。但是，仍然面临两个主要挑战。首先是实现与人类视野相当的颜色识别，而第二个是消除对减少能源消耗的外部电源的需求。在这种背景下，由东京大学高级工程学院电子系统工程学院副教授肯·塔克诺（Ken Takano）教授主持，日本，日本，已经开发了成功的解决方案。它们的作用于2025年5月12日在《科学报告》的数量15中发表，正在促进自动人工突触的促进，该突触可以以惊人的准确性识别颜色。这项研究是由Tus的Hiroaki Komatsu先生和Norika Hosoda女士撰写的。研究人员通过合并两个不同的太阳能电池来制造其设备，这些太阳能电池对不同长度的长度敏感敏感。与传统的光电artifi不同需要外部电力的cial突触，建议的突触通过太阳能转换产生电力。这种自启用能力专门适用于能源效率很重要的边缘计算应用。通过许多实验，该系统可以在可见光谱中的10纳米分辨率中识别颜色 - 在人眼附近的歧视。此外，该设备还显示了双极响应特性，该特性在蓝光下形成正电压，在红光下形成负电压。这允许执行通常需要许多传统设备完成的复杂逻辑操作。这些结果表明，这种新一代的光电设备能够同时识别高分辨率和逻辑操作的颜色，并在Ikuno博士执导的低功率人工智能（AI）视觉识别系统中具有很大的潜在应用。证明实用应用程序团队将其设备应用于物理储层计算框架，以识别记录在红色，绿色和蓝色的各种人类运动。当使用NG是一种将18种颜色和动作组合分类的单个设备时，该系统可实现82％的精度，而传统系统则需要许多光电二极管。这项研究的意义涵盖了许多行业。在自动驾驶汽车中，这些准备工作可以更有效地识别交通信号灯，路标和障碍。在医疗保健领域，他们可以为可用的设备提供监控重要迹象（例如血氧水平）的设备，同时它们消耗了很小的电池。对于电子消费者而言，这项技术可以导致电池寿命的显着改善，同时保持复杂的视觉识别能力。 “我们认为，这项技术将能够达到低强度，机械色视觉系统，并具有紧密的眼光分辨率，并且它是一个pplications包括用于自动车辆的传感器，用于医疗目的的低功耗生物识别传感器以及便携式识别设备，” Ikuno博士说。一般而言，此任务代表了侧面的重要步骤，这使我们的日常设备可以看到像我们这样的世界。