視る・考える・覚えるを1チップで

研究チームが開発したのは、

モノレイヤー（一原子層）厚のMoS₂を使った

小さな光センサー内蔵トランジスタです。

このデバイスに光が当たると、

材料中の欠陥サイトが電子を捕獲・放出し、

まるでニューロンが電気信号を溜め込み

発射するような振る舞いを示します。

具体的には、

光刺激によって電流が徐々に増大し

（積分に相当）、

閾値に達すると急激にスパイク信号を出力し、

ゲート電圧を加えることで電流をリセットして

次の刺激に備えるという、

一連のLIFニューロン的な動作が確認されました。

筆頭著者のティハ・アウン博士課程研究者は

「私たちは原子レベルで薄い二硫化モリブデンが、

スパイキングニューラルネットワークの

基本要素であるリーキー積分発火

（LIF）ニューロンの挙動を正確に

再現できることを実証しました」と

説明しています。

つまり、

原子レベルのチップにおいても

脳の神経細胞のように電気を

少しずつためては

一定量でパッと放電する動きを、

そっくりそのまま再現

できることを確かめたのです。

このデバイスは光刺激による「膜電位」の

蓄積とスパイク出力を一体化して行えるため、

従来は別々の素子で担っていた

「センシング（検出）」「情報処理」

「メモリ保持」を融合できた点が画期的です。

さらに研究チームは、

このMoS₂チップを実際の

スパイキングニューラルネットワークに組み込み、

CIFAR10（静的画像）と

DVS128（動的ビジョン）の

データセットで最大約75～80％の

分類精度を達成可能であることも示しました。

実験ではまず、

目の前で手を振るというシンプルな

動作を対象にデバイスの反応を

テストしたところ、

通常のカメラが行うようにフレームごとの

撮影を行わずとも、

手の動きによる視界の変化を

即座に捉えることができました。

これはエッジ検出と呼ばれる手法で、

シーン全体ではなく変化の部分だけを検知できるため、

処理すべきデータ量と消費エネルギーを

大幅に削減できます。

実際、手の振れによるわずかな明暗の

変化を検知すると、

その瞬間にスパイク信号を発して

「手が動いた」というイベントを

自動的に記録しました。

人間が目で動きを捉えて脳に伝え

記憶するのと同様に、

このチップ自体が見る・処理する・覚えるを

完結させているのです。

ワリア教授は「この試作デバイスは、

人間の目が光を捉える能力と

脳が視覚情報を処理する能力を

部分的に再現しており、

大量のデータや大きなエネルギーを

必要とせずに環境の変化を瞬時に

察知できます」と強調しています。

さらにゲート電圧を用いたリセット機能により、

一度記録した後はすぐに次の変化を

捉えられる高速応答が可能です。

このように、

本研究のMoS₂チップは

センサー・プロセッサ・メモリを統合した

人工視覚ニューロンとして機能し、

SNNの基礎技術としても

応用できる可能性を示しました。