Micro-LED让人工智能更快捷

一段时间以来，Micro-LED光源一直是微型化微型显示器开发人员的研究课题，尤其是利用其在高调制速率下创建精确光学图案的适用性。现在，布伦瑞克工业大学（TU Braunschweig）的一个项目通过展示神经形态计算和人工智能的应用，展示了同类光源在显示技术之外的用途。

该研究成果发表在《物理学报》的《光子学》上：研究结果表明，微型发光二极管可以使未来的计算机更强大、更节能，从而避免目前困扰人工智能发展的大规模并行信息处理所带来的能耗问题。

Andreas Waag和Christian Werner在基于LED的神经形态计算机展示台前
 

布伦瑞克工业大学半导体技术研究所的Andreas Waag评论说：我们的光学神经形态计算通过使用电子电路或光子元件，模拟了生物神经网络（如人脑中的神经网络）的功能。这项研究与用于显示器的微型发光二极管研究一样，都是利用氮化镓（GaN）半导体材料的发射特性。氮化镓半导体材料与传统的非光学硅半导体相比，具有更高的功率密度和更高的效率，因此在电力电子领域的应用越来越有吸引力。

在布伦瑞克工业大学的氮化物技术中心（NTC），氮化镓元件与传统硅微电子技术的结合被视为通向全新应用的途径，并构成了该地区量子前沿卓越集群的工作主题之一。

避免巨大的能源需求
在试验中，该项目将基于InGaN的Micro-LED从单个连续外延生长的半导体层组装成台式单片阵列。为了单独解决每个像素的问题，Micro-LED阵列与基于CMOS的驱动电路结合在一起，将每个Micro-LED像素连接到各自的电流驱动器。

这些分段式LED芯片原型直接在蓝宝石生长基板上形成，然后连接到包含驱动电路的CMOS 芯片上。该研究小组表示，以每瓦特百万亿次运算量（人工智能系统的一项指标）来模拟基于这些发射器的系统的计算能力，表明与传统方法相比，该系统具有显著的改进潜力。

NTC研究小组已经开发出一种宏观光学Micro-LED演示器，相当于1000个神经元网络。该演示器通过了一项标准的人工智能模式识别测试，能识别以杂乱方式书写的从零到九的数字，其中有些数字人类很难破译。

根据布伦瑞克工业大学项目的说法，利用目前可用的现成组件组装的原型展示了这种方法的优势，这很好地说明了Micro-LED的优势，尽管现在还需要对优化的电路和合适的微型化透镜和滤光片进行大量的研究。

项目合作伙伴奥斯特法利亚应用科学大学的Christian Werner说：“如果能够应对这些挑战，那么Micro-LED方法就能避免传统数字计算机技术的弱点，这些弱点会导致人工智能应用的大规模并行信息处理产生巨大的能源需求。预计十年后，全球约三分之一的电能将用于超级计算机及其冷却。