Video Experimental Relacionado
Updated: Jan 13, 2026
07:52
In Vivo Wireless Optogenetic Control of Skilled Motor Behavior
Published on: November 22, 2021
3.8K
Dispositivos neuromórficos sub-picojulios por bit para direccionamiento y seguimiento precisos
Yixuan Huang1, Qihao Sun1, Fuxing Dai2
1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu, 610054, PR China.
Nature communications
|January 9, 2026
Resumen
Este estudio presenta un novedoso dispositivo neuromórfico con regulación activa de la atención, que mejora significativamente la eficiencia energética para el hardware de inteligencia artificial. Esta innovación mejora la extracción de características y ofrece un camino sostenible para la imagen y la computación hiperespectral.
Área de la Ciencia:
- Ingeniería Neuromórfica
- Hardware de Inteligencia Artificial
- Computación de Eficiencia Energética
Sus antecedentes:
- El hardware de inteligencia artificial enfrenta desafíos de consumo de energía.
- Los dispositivos retinomórficos actuales tienen mecanismos de atención pasivos que limitan la flexibilidad de extracción de características.
Objetivo del estudio:
- Desarrollar un dispositivo neuromórfico volitivo con regulación activa de la atención inspirado en el sistema visual humano.
- Mejorar las capacidades de extracción de características y la eficiencia energética en el hardware de IA.
Principales métodos:
- Aprovechamiento de la fotoconductancia sintonizable por voltaje de puerta para una respuesta espectral diferencial ajustable.
- Empleo de redes neuronales para la evaluación de la precisión de la reconstrucción espectral.
- Implementación de regulación activa de la atención volitiva.
Principales resultados:
- Se logró una percepción selectiva de tareas a través de una respuesta espectral ajustable.
- Se demostró una relación de compresión de datos del 1,17%.
- Se alcanzó una eficiencia energética de la información de 0,625 pJ/bit.
Conclusiones:
- El novedoso dispositivo avanza en el diseño de hardware retinomórfico.
- Presenta una vía sostenible para la imagen hiperespectral de eficiencia energética.
- Permite sistemas de computación neuromórfica de próxima generación.
