近日，智能科技学院博士生杨兵以第一作者身份在《ACS Photonics》上发表题为“基于电致变色阵列的超线性电压-反射率响应的特征增强型人工视觉感知”（Feature-Enhanced Artificial Visual Based on Superlinear Voltage-Reflectance Responses of Electrochromic Arrays）的研究成果。上海理工大学为第一单位，陈希教授为通讯作者。
模拟人类视觉信息处理、识别和存储，是人工智能技术的长期目标。电致变色阵列可以直接显示图像，作为神经网络计算的数据集，为高能效的人工视觉感知提供一种有效的途径。但是，提升低对比度图像的识别准确率，仍然是一项巨大的挑战。为了解决这一问题，需要建立一种特征增强的策略，即输入信号的强度与其响应需要满足超线性的关系。
此次，研究团队通过电沉积普鲁士蓝和刮涂碳浆组装了反射型电致变色阵列。该阵列的反射率与电压表现出一种超线性的关系，电压范围在1.2 V到-0.7 V，反射率保持不变，当电压小于-0.7 V，反射率急剧上升。为了增强难以识别的低对比度数字图像的特征，低对比度数字图像每一个像素的灰度值按比例生成一系列的电压值。电致变色阵列可以通过输入这一系列的电压值，直接显示特征增强的数字图像。人工神经网络和衍射神经网络分别经过32和20个迭代就能实现100%低对比度图像的识别准确率。
该研究结果表明电致变色阵列在模拟高性能人工视觉感知方面具有巨大潜力，其中可以通过神经形态计算识别低对比度图像。在未来，电致变色阵列可以构建光电神经网络硬件，以开发用于从复杂环境中识别模式的感官系统。
图一：文章概念图
图二：特征增强的图像在人工神经网络和衍射神经网络的识别准确率
论文链接：
https://doi.org/10.1021/acsphotonics.3c01862
