南开新闻网讯（通讯员 程丹）近日，以南开大学物理科学学院的陈旭东副教授、天津理工大学鲁统部教授和北京大学张锦院士为共同通讯作者，在面向感算一体新型视网膜形态器件研究方面的最新成果发表在国际知名期刊Science Advances上。团队利用离子诱导的局域场替代外界施加的栅电压，实现对器件光响应度在正负区间的非易失性和线性调控，并基于该器件阵列构筑了包含三个卷积核的传感器内卷积神经网络，在硬件层面成功实现传感器内图像分类和编码等任务。该视网膜形态器件工作光谱范围覆盖400-1800 nm。
机器视觉在自动驾驶、人机交互、工业4.0等领域具有重要应用，在人工智能时代发挥着不可或缺的作用。传统基于冯诺依曼架构的机器视觉在处理传感器端所产生的海量数据时所产生的巨大延迟和能耗，严重制约其在高速目标追踪和识别等应用中的潜力。而在传感器端直接部署神经网络，实现感算一体，发展神经形态机器视觉，成为解决“边缘”算力和能效瓶颈的有效手段。受人类视觉启发，近年来面向感算一体的视网膜形态器件成为光电子器件领域研究的前沿和热点。如何在传感器阵列内实现“MAC”（multiply-and-accumulation）运算以及“权重”（光响应度）的原位存储，成为发展感算一体器件所必须解决的关键问题。
该研究利用气溶胶打印的方式构筑了一种基于芯鞘结构SWNT@GDY的离子光电晶体管器件，通过精确控制石墨炔（GDY）层捕获锂离子的浓度，调控离子诱导的局域电场，实现对碳纳米管（SWNT）沟道中光生电子或光生空穴的选择性捕获，并进一步基于“photogating”效应实现对器件光响应度在正负区间内的线性调控。得益于石墨炔优异的储锂性能，锂离子能够稳定地存储在石墨炔中，从而实现对光响应度的非线性调控。与此同时，碳纳米管在紫外-可见-红外波段均表现出良好的光吸收特性，因此该器件工作光谱范围覆盖400-1800 nm。更进一步地，通过所制备的3 × 3 × 3器件阵列，在传感器内直接构筑起一个包含三个卷积核的卷积神经网络（CNN），在硬件层面演示了图像的处理、分类和编码等任务，并验证了“权重”（光响应度）在神经网络中的原位存储。
相关研究成果以“Broadband sensory networks with locally stored responsivities for neuromorphic machine vision”发表在Science Advances上。论文第一完成单位为天津理工大学，南开大学为第二完成单位，天津理工大学硕士生张国新和南开大学博士研究生张志成为论文共同第一作者，合作单位还包括中国科学院苏州纳米技术与纳米仿生研究所。相关研究工作得到了国家自然科学基金委项目的资助。
论文链接：https://www.science.org/doi/10.1126/sciadv.adi5104
|
