根据"应用物理学"的报道，俄勒冈州立大学在开发新的光学传感器方面取得了很大进展。他们开发了一种新型光学传感器，能够更真实地模拟人的眼睛感知物体变化的能力。这一结果有望在图像识别、机器人技术和人工智能领域取得重大突破。

目前，信息处理算法和体系结构越来越像人脑，但接收信息的方式仍然是为传统计算机设计的，为了充分发挥它们的潜力，更像人脑的"思考"计算机需要更像人眼那样"看得见"的图像传感器。

人眼包含大约1亿个感光器，但视神经与大脑只有一百万个连接，因此在传送图像之前，必须对视网膜进行大量预处理和动态压缩。

传统的传感技术，如智能手机中的数码相机和芯片，更适合于顺序处理。每个传感器产生的信号，其幅度随接收光的强度而变化，这意味着静态图像将使传感器产生更恒定的输出电压。

在新的视网膜形态传感器中，利用了钙钛矿独特的光电特性。钙钛矿被放置在一个只有几百纳米厚的超薄层中，其厚度只有几百纳米，在光下从绝缘体转变为导体。因此，在静态条件下，该传感器保持相对安静，当检测到光的变化时，记录一个短而尖锐的信号，然后迅速恢复到其基线状态。

研究人员模拟了一系列视网膜形态传感器，以预测视网膜形态摄像机对输入刺激的反应。例如，在棒球训练的模拟演示中，内场球员似乎清晰地看到明亮的移动物体，而相对静态的物体(如站立)则逐渐消失。更引人注目的是，一只鸟飞进了视野，然后停在一个看不见的鸟喂食器上，几乎消失了，但在起飞时又出现了。

研究人员还可以在这些模拟中输入任何视频，并以与人眼基本相同的方式处理信息。例如，如果机器人使用这些传感器跟踪目标的运动，其视场中的任何静态状态都不会引起响应。一旦目标移动，它将产生高压，并立即告诉机器人目标的位置，而无需任何复杂的图像处理。

新的传感器还可以与神经形态学计算机完美地匹配。与传统的计算机不同，神经形态学计算机是一个大规模的模拟人脑的并行网络，它为用于自动驾驶仪、机器人技术和先进图像识别的下一代人工智能提供了支持。

主编圆点

人脑处理的信息有80%以上是通过眼睛获得的，视觉系统的信息处理能力在很大程度上取决于视网膜的结构和功能。因此，许多工程师一直梦想建立一种与人眼类似的视网膜传感器，能够同步检测和处理信息--或真正模仿自然生物的眼睛。近年来，在这一领域取得了非常有价值的突破，比如本文中的光学传感器就是其中之一，但从现在开始，这项技术可能至少要十年才能走向实际应用。