南开新闻网讯（通讯员 程丹）近日，南开大学陈旭东教授、田建国教授、陈树琪教授团队，联合中国科学院苏州纳米技术与纳米仿生研究所康黎星研究员团队，成功开发出一种面向具身神经形态视觉的可重构铁电晶体管（Fe-FET）阵列。相关成果以“Reconfigurable ferroelectric transistor array for embodied neuromorphic vision with hardware-native sensing, computing, and activation”（面向具身神经形态视觉的可重构铁电晶体管阵列：硬件原生感知、计算与激活一体化）为题发表于Science Advances。该研究提出“一种器件、三种功能、按需重构”的新型硬件方案，为具身智能视觉系统的低功耗、高速度和高集成发展提供了新的技术路径。
随着人工智能、自动驾驶、移动机器人和智能终端快速发展，具身智能系统需要实时完成环境感知、信息处理和行为决策。然而，传统视觉系统通常将图像传感器、存储器、计算单元和非线性激活电路分别部署，视觉数据需要在不同模块之间频繁传输，并经历多次模拟与数字信号转换，由此带来较高的能耗、延迟和硬件开销。现有传感内计算和存内计算技术虽然能够减少部分数据搬运，但ReLU、Sigmoid等非线性激活功能仍大多依赖外围数字电路或CMOS模块，难以形成连续、高效的硬件处理链路。
针对这一问题，研究团队提出了“一芯三用”的可重构Fe-FET。该器件采用双分裂控制栅结构，通过调控铁电材料CuInP2S6的局域极化状态，在双极性WSe2沟道中形成可编程的p-n、n-p、p-p和n-n面内同质结。不同的极化状态能够改变沟道中的载流子分布和结势垒，从而同步调控器件的光响应度、电导和非线性整流特性，使同一器件可以在传感内计算、存内计算和非线性激活三种模式之间灵活切换。
在感算一体模式下，器件可利用结区内建电场实现零偏压、自供电光电探测，并通过可编程光响应度直接完成视觉感知与加权计算，获得33个线性、稳定的光学权重状态。在存算一体模式下，器件能够实现32个多级电导状态，用于模拟乘法和矩阵—向量运算。同时，通过进一步调节结势垒的高度和形状，器件还可直接产生ReLU型和Sigmoid型非线性响应，响应时间约为8 ns，从而将传统上依赖外围电路完成的激活功能直接集成到器件内部。
这种“一芯三用”并非简单地将三类器件集成在一起，而是让阵列中的每个Fe-FET单元都具备功能重构能力。系统可根据不同任务和神经网络层的需求，动态调整用于视觉感知、线性计算和非线性激活的器件数量，实现硬件资源的按需分配。相比功能固定的传统架构，该方案能够减少额外激活电路以及数据转换和搬运过程，提升器件利用率和系统灵活性。
研究团队基于可重构Fe-FET阵列构建了端到端神经形态视觉硬件，实现了从光学图像输入、特征提取、线性计算到非线性决策输出的连续模拟处理。该系统完成了含噪图像分类、图像重构、交通标志识别和交通视频处理等任务，并能够将视觉分类结果直接转化为移动机器人的左转、右转和停止指令，形成“感知—计算—决策—执行”的具身智能闭环。硬件激活神经网络在MNIST数据集上的识别准确率达到95%，交通视频处理的系统级模拟准确率约为98%；全硬件自编码器的图像重构结果与软件基准的结构相似性达到0.99。
图1 从感知到决策：可重构Fe-FET构建具身智能视觉新架构
图2 端到端神经形态视觉系统：可重构Fe-FET阵列实现感知、计算与决策一体化
该研究通过铁电极化编程，将视觉感知、权重计算和非线性激活统一在同一种器件中，实现了从“功能分立”向“角色可重构”的硬件架构转变。“一芯三用、按需分工”的设计理念有望为自动驾驶、移动机器人、智能传感器以及低功耗边缘人工智能平台提供更加紧凑、高效和灵活的硬件基础。
本工作以南开大学为第一完成单位，南开大学电子信息与光学工程学院博士生李媛和物理科学学院博士生后张志成为本文的第一作者，南开大学物理科学学院陈旭东教授、田建国教授、陈树琪教授和中科院苏州纳米所康黎星研究员为本文的通讯作者。该工作得到了国家自然科学基金和中央高校基本科研业务费专项资金的支持。
文章链接：https://www.science.org/doi/10.1126/sciadv.aed9436
|
