Результаты опубликованы в издании Advanced Materials Technologies.

Профессор Сумит Валия, руководитель проекта, объясняет: эта разработка приближает нас к моментальной обработке визуальной информации в беспилотниках, роботах и других системах, где важна скорость реакции.

Наш мозг обрабатывает сигналы аналоговым способом, без лишних затрат энергии. Современные цифровые технологии так не умеют, — говорит Валия, директор Центра оптоэлектронных материалов и сенсоров RMIT.

В основе устройства — дисульфид молибдена (MoS₂). Ученые обнаружили, что микроскопические дефекты в этом материале могут улавливать свет и преобразовывать его в электрические импульсы, имитируя работу нейронов.

Наш прототип копирует способность глаза фиксировать свет, а мозга — мгновенно анализировать его. Он реагирует на изменения в окружающей среде без обработки огромных объемов данных, — поясняет Валия.

В отличие от традиционных систем, требующих колоссальных энергозатрат, новое устройство экономично и работает в реальном времени.

Как проходило тестирование

• Устройство отслеживало движение руки без построения кадров — только ключевые изменения (технология edge detection).
• Каждое изменение фиксировалось как «воспоминание», подобно нейронным связям.

Ранее команда работала с ультрафиолетовым спектром, но теперь добилась аналогичных результатов в видимом свете.

Где пригодится новое устройство

• Беспилотники — мгновенная реакция на препятствия.
• Роботы — естественное взаимодействие с людьми.
• Мониторинг окружающей среды — например, детектирование токсичных газов.

Следующий шаг — масштабирование технологии. Ученые уже получили грант на создание многослойных матриц из MoS₂.

Мы не заменяем традиционные компьютеры, а дополняем их там, где важна скорость и энергоэффективность, — подчеркивает Валия.

Этот проект — прорыв в области энергоэффективных вычислений. Современные системы ИИ «прожорливы»: например, обучение GPT-3 потребовало мегаватты энергии. Нейроморфные чипы, имитирующие мозг, могут снизить затраты в сотни раз.

Ключевые преимущества:

• Скорость: Аналоговая обработка исключает задержки, критичные для автономных машин.
• Адаптивность: Устройство обучается на лету, как биологическая нейросеть.
• Универсальность: Технология применима от робототехники до экологического мониторинга.

Главный вопрос — долговечность материала. MoS₂ чувствителен к окислению, а массовое производство таких чипов пока дорого. Кроме того, алгоритмы для нейроморфных систем требуют принципиально иного подхода в программировании.

Ранее ученые приблизились к созданию искусственной сетчатки.