新型光电神经形态硬件取得新进展

2022-11-28

       福州大学郭太良团队陈惠鹏课题组以“Programmable ferroelectric bionic vision hardware with selective attention for high-precision image classification”（用于高精度图像分类的选择性关注可编程铁电仿生视觉硬件）为题的研究论文在《Nature Communications》期刊上在线发表。

论文页面

        视觉是大脑重要的感官信息，大约80%的外部信息是通过视觉被大脑接收的。传统基于CMOS用于视觉传感的器件通常庞大而复杂，计算成本高。同时，传感单元与处理系统分离，导致信号的同步处理面临巨大挑战。选择性视觉注意的高效智能硬件实现可以克服处理能力有限的系统在并行处理所有感官数据时计算能力不足的挑战，这需要大的动态范围内存来处理视觉信息。

       受人类的选择性注意的启发，课题组系统地提出了一种可编程铁电仿生视觉硬件，可实现感知与处理视觉信息。研究发现，铁电层使器件具有可编程的非易失性突触态，使光电器件的硬件实现具有选择性注意功能。此外，具有在图像处理中表现出较高的波长依赖性，所制备的铁电感知神经网络在多波长图像的模式分类中具有95.7%的准确率，同时具备感知与识别分类功能。符号权值表示和光检测都可以在一个设备上实现，因此铁电感觉网络可以实现传感器内的神经形态功能，减少了神经网络的硬件开销。

该研究为模拟人类视觉系统提供了一种有效的方法，对未来的神经形态光电电子和神经形态显示具有重要意义。

 器件进行图像处理与图像分类器件电路与原理示意图