未來自駕車由「大腦」記得畫面！陽明交大模擬記憶實現大腦突觸仿真
你能想像未來的自駕車不僅能「看見」路況，還能像人腦一樣「記得」關鍵畫面嗎？抑或是機器可以自動把異常區域「圈」出來，幫助醫師判斷病情嗎？陽明交大光電工程系講座教授劉柏村帶領的研究團隊，成功研發一種基於全金屬氧化物異質接面的「光電突觸電晶體」，實現人腦突觸仿真。
「光電突觸電晶體」不僅具備感測功能，並能模擬人腦神經元的記憶與學習功能，可望成為下一代人工視覺感知與神經形態運算系統的關鍵元件，陽明交大這項研究成果已刊登在國際頂級學術期刊《Small》。
劉柏村表示，該元件採用氧化鎢（WO₃）與鎢摻雜氧化鋅銦（InWZnO）形成異質接面，成功模擬人腦中突觸的學習與記憶行為，實現類生物神經系統的多重突觸可塑性表現，這項裝置在 650、525 與 460 奈米可見光波段下展現出極高的光響應度，遠高於現有文獻中的同類型元件。
劉柏村指出，該元件透過光脈衝刺激與閘極電壓調控，成功模擬短期記憶與長期記憶的轉換，顯示動態突觸行為的出色再現能力，更以該元件為基礎的 2×2 光突觸陣列模組，實時接收紅綠藍三原色光訊號，模擬學習與記憶，呈現類似人眼視網膜對影像強度與顏色的分層式感知與儲存機制。
劉柏村說明，藉由模擬多次學習與遺忘過程，元件展現出高度穩定的光誘導導電性變化與長期記憶保持能力，即使移除光刺激後，元件仍能維持穩定的記憶狀態，顯示其優異的非揮發性記憶特性，為仿生視覺記憶晶片的開發奠定重要基礎。
劉柏村補充，為驗證其在實際運算任務中的應用潛力，研究團隊將這個突觸元件導入人工神經網路模擬平台中，針對手寫數字辨識與圖像分割任務進行模擬測試，並在經過高斯雜訊與條紋噪聲等模擬惡劣環境，系統仍可達到高辨識準確率。
劉柏村強調，圖像分割任務中，搭配 U 型神經網路架構 (U-Net) 後，可達到接近理想的分割準確率，顯示該元件具備極佳的視覺處理穩健性與學習能力，這項技術未來可望推展至智慧型醫療診斷、自駕車視覺模組、穿戴式感知裝置及仿生機器人等領域，促進 AI 與感測科技的融合發展。
（首圖來源：陽明交大）