生物行移动版

在生物医学工程领域，如何实现高效、低功耗且具备环境适应性的人工视觉系统，一直是科研人员攻克的重点。近期发表于《Nature Communications》的一项研究，提出了一种基于视网膜-皮层（Retinocortical）架构的感内（In-sensor）神经形态视觉平台，成功利用近红外（NIR）光技术增强了人工视觉的感知能力。

传统的视觉传感器通常遵循“采集-传输-处理”的冯·诺依曼架构，这不仅导致了巨大的带宽需求，还带来了显著的延迟和功耗问题。该研究团队受生物视网膜处理机制的启发，构建了一种感内神经形态计算系统。该系统能够直接在传感器端执行视觉信息的预处理与特征提取，极大地减少了冗余数据的传输。

核心技术突破在于其对近红外光的高灵敏度响应。通过集成特殊的感光材料，该平台能够在低光照及近红外波段下捕捉高对比度的视觉信息，这对于在复杂环境下的目标识别及医学成像至关重要。实验数据表明，该平台在执行神经形态视觉任务时，其能效比显著优于传统CMOS传感器，且在处理动态视觉流时表现出极高的鲁棒性。

研究人员通过模拟视网膜神经节细胞的感受野特性，实现了对视觉信息的时空编码，并将其映射至类皮层计算单元进行进一步分析。这种从感知到处理的协同优化，不仅提升了系统对环境变化的响应速度，还为未来植入式视觉假体提供了更接近生物神经系统的信号输入方式。

这项研究展示了神经形态工程在解决人工视觉瓶颈方面的巨大潜力，为下一代智能感知硬件的设计奠定了理论与实验基础。

Journal Reference: Nature Communications, Retinocortical in-sensor neuromorphic vision platform for NIR-augmented artificial vision.