近日，华南师范大学樊贞课题组在Nature Communications 上发表研究论文，报道了一种感存算一体铁电光伏传感器网络，实现了零能耗图像感知与实时处理，为开发高鲁棒性、高速、低能耗的机器视觉系统提供了一些新思路。华南师范大学硕士生崔玻源为论文第一作者，樊贞研究员为论文通讯作者，华南师范大学高兴森教授、华东师范大学田博博研究员、南京大学刘俊明教授等为合作作者并提供重要指导。
机器视觉是一种赋予机器“看”和“认知”能力的技术，已广泛应用于日常生活中。传统机器视觉系统通常由传感器采集数据，再传输至处理器进行处理，数据在传感、内存和处理单元之间的反复搬运，导致高能耗和高延迟，难以满足海量视觉信息实时处理的需求。相比而言，人类的视觉系统能够快速完成复杂的视觉认知，且能耗极低。因此，类脑视觉的概念被提出并迅速成为研究热点。类脑视觉系统采用了近感或感内计算架构，大幅减少了功能单元间的数据搬运，从而提升了视觉信息处理的速度和能效。目前已有不少类脑视觉硬件实现方案被报道，其中可调谐光电传感器网络因结构简单、感存算一体而备受关注。它利用其结构单元的光响应度表示突触权重，实现人工神经网络算法的内嵌，进而实现图像感知和原位处理。目前构建可调谐光电传感器主要基于二维材料和忆阻材料，前者持续施加栅极电压会导致额外的能耗，且需要额外的存储单元；而后者利用离子迁移调控光响应度，速度较慢，且存在弛豫问题。因此，研发基于新材料、新原理的高鲁棒性、高速、低能耗的可调谐光电传感器，进而构建感存算一体传感器网络，具有十分重要的意义。
樊贞课题组首先利用铁电Pb(Zr0.2Ti0.8)O3外延薄膜的大极化和受极化调控的光伏效应，构建了高质量铁电光伏传感器，实现了多级、非易失、正负对称可调的光电流。然后将多个铁电光伏传感器组建成为感存算一体的人工神经网络电路，利用光响应度表示权重，证明了原位乘累加运算的可行性，实现了零能耗图像感知与实时处理（含识别、检测等高级处理功能）。
相比于其它类脑视觉硬件实现方案，该方案的亮点和特色包括：（1）铁电光伏传感器利用非易失极化调控光响应度（权重），无需持续施加外电压维持权重，这既减少了能耗，也避免了使用额外的存储单元用于保存权重。（2）铁电光伏传感器展示出正负对称可调的光响应度，因此仅需单个器件便可表示正、负权重，大幅减少了网络构建所需的器件开销。（3）在极化状态一定的情况下，铁电光伏传感器的输出光电流与输入光功率之间保持线性关系（即光响应度基本不随输入光功率改变），保证了乘法运算的高准确性。（4）铁电光伏传感器网络在推理过程中，每个器件均工作于短路条件下，推理过程的能耗为零。此外，短路条件以及极大的暗场电阻使得无光照器件的电流贡献极小，解决了串扰问题，保证了乘累加运算的高准确性。（5）铁电光伏传感器网络在二分类图像感知与识别任务中获得了高达100%的准确率，在自定义图像感知与边缘检测任务中获得了高达1的F-Measure。（6）利用超快的光电流产生过程以及感存算一体架构，铁电光伏传感器网络能够实现超低延时，相比于传统机器视觉系统提速上万倍。
Ferroelectric photosensor network: an advanced hardware solution to real-time machine vision
Boyuan Cui, Zhen Fan, Wenjie Li, Yihong Chen, Shuai Dong, Zhengwei Tan, Shengliang Cheng, Bobo Tian, Ruiqiang Tao, Guo Tian, Deyang Chen, Zhipeng Hou, Minghui Qin, Min Zeng, Xubing Lu, Guofu Zhou, Xingsen Gao & Jun-Ming Liu
Nat. Commun., 2022, 13, 1707, DOI: 10.1038/s41467-022-29364-8
https://www.x-mol.com/university/faculty/162750
http://aoe.scnu.edu.cn/a/20210222/2058.html
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
X-MOL资讯