2025年12月24日，课题组博士生茹赛颖作了题为《物理储备池计算》的组会分享。目前的计算机视觉技术对数据需求量大，并且在降低计算成本方面面临瓶颈。将物理学原理融入仿生视觉系统有望带来前所未有的能源效率，但物理动力学与仿生算法之间的不匹配使得处理真实世界样本极具挑战性。讲解的文章报道了一种基于材料的仿生光电储层计算系统，用于动态视觉处理。该系统以InGaZnO光电突触晶体管作为储层，以TaOX基忆阻器阵列作为输出层。文章中采用了一种受感受野启发的编码方案，简化了特征提取过程。基于该系统，在四个运动识别数据集上实现了高识别精度（>90%）。此外，系统还验证了对跌倒行为的识别，每次动作处理的能耗极低（约45.78 μJ），优于大多数先前关于人体动作处理的研究。研究成果对于推动基于神经形态电子学的计算机视觉发展具有深远的潜力。
哔哩哔哩：物理储备池计算—课题组博士生茹赛颖文献组会_哔哩哔哩_bilibili（点击可跳转