活视网膜能够达到工程师梦寐以求的灵敏度和效率了

如果你想为未来的照相机或人工视网膜设计出最完美的、低功耗的光探测设备，你就得采用一种叫做“高效编码理论”的东西来设计传感器阵列。

或者你可以只看哺乳动物的视网膜。

在两篇关于视网膜结构的论文中，杜克大学神经生物学家证明，正如优化理论所预测的那样，严格的自然选择和进化塑造了我们眼睛中的视网膜。这使得视网膜遥遥领先于人类工程学目前所能实现的任何技术。

在去年3月发表在《自然》(Nature)杂志上的一篇论文中，研究人员表明，老鼠和猴子的视网膜的敏感度模式模拟了有效编码理论所预测的情况。不同的视网膜神经元对不同的刺激都很敏感:亮的、暗的、移动的等等，它们被排列成一个三维的细胞马赛克，用来叠加图像。

现在，在本周发表在《pNAS》上的一篇论文中，医学院生物统计学和生物信息学助理教授John pearson说：“我们开始通过大量的模拟和一点纸笔数学来理解这一点。马赛克不仅仅是随机重叠，而且它们不会以高度有序的方式重叠。”

杜克大学医学院(Duke School of Medicine)神经生物学助理教授Greg Field说:“我们正在预测数千个不同类型的细胞是如何在太空中排列的。猴子的视网膜和我们的视网膜几乎无法区分，”他说。“事实是，我们在猴子的视网膜上观察到这一点，这让我们非常有信心，我们的视网膜也是以同样的方式排列的。”

在视网膜的横截面上，神经节细胞体(包含细胞核的圆形球体)一层一层地排列在一起，但它们的树枝状树突延伸成厚厚的一层，看起来就像盆栽植物缠结在一起的根。在这个更厚、更复杂的层中，不同敏感度的马赛克以有序的模式排列。

树突层下面的神经节细胞基本上只输出1和0。灵敏度来自于镶嵌本身。而且这个马赛克不仅布局最优，还能适应当前的情况。

“视网膜不是一个马赛克。这是一堆叠在一起的马赛克。每一个马赛克都编码着不同的视野。”Field说。哺乳动物的视网膜大约有40种不同的视觉特征。

“树突到达视网膜的深度有点像一个寻址方案，如果你在更深的地方，你就会得到一种信息，”Field说。“如果它更浅，它会得到不同类型的信息。事实上，更深的人会得到‘关闭’的信号，而更浅的人会得到‘打开’的信号。所以你可以有很多探测器在视觉世界的同一个地方取样，因为它们使用深度来传达不同种类的信号。”

这种阵列如此高效的一个原因是，细胞对某些刺激不做出反应，从而保存能量。在一个非常黑暗的房间里，环境对感受器来说是“嘈杂的”，所以它们会忽略大部分的静电，只对非常明亮的东西做出反应。

pearson说:“世界上的噪音越多，细胞就越挑剔它会对什么做出反应。当它们变得更挑剔时，它们的冗余就更少了。所以你可以以不再重叠的方式部署它们。”

作为第一作者和共同作者的研究生Na Young Jun解释说:“如果在视觉环境中没有噪音，探测器的马赛克就会排列在一起。”但她计算模拟了168种不同的噪声条件，发现噪声越高，探测器之间的偏移越大。

研究小组发现，在活的哺乳动物视网膜中，马赛克的偏移正如理论预测的那样，这意味着视网膜经过优化，可以应对更高的噪声条件。

Field说，如果你是一只小而美味的森林生物，比如老鼠，“你的生存就不太取决于那些容易看到的东西。它取决于那些很难看到的东西。因此，视网膜确实是为了优化，以检测那些很难看到的东西。”

Field说:“这是一个重要的设计特征，可以整合到任何你想要制造的视网膜假体中。”但将这一想法应用到智能手机上可能还需要一段时间。首先，视网膜是活的，是自我组装的，它会随着时间的推移而适应和变化。

Jun说，人类视网膜的能量消耗甚至比目前最好的智能手机传感器还要少几个数量级。例如，500万像素，1/5的美国豪威OV5675英寸智能手机图像传感器的耗电量为1.92x10－10瓦。据保守估计，人类视网膜大约消耗了其中的6% (1.27 × 10)-11瓦在明亮的光线下)。在昏暗的环境下，眼睛的能量消耗约为5.08x10-11瓦但它仍能捕捉智能手机相机无法捕捉的单光子。

该研究小组想要解决的系统的下一个特点是时间元素——视网膜细胞的反应时间的差异叠加起来形成一种运动的感觉，或对运动图像的解释。Jun说，其中一些将取决于单个探测器发射的速度。

proceedings of the National Academy of Sciences

10.1073/pnas.2105115118