使用可溶液处理的基于MoS2的内存光传感器的人工视觉感知神经系统
人工智能(AI) 和物联网 (IoT) 导致感知节点的快速扩展，这些节点可以产生大量原始模拟数据，这些数据被转换为数字数据，然后传输到其他单元以执行计算任务. 然而，由分立器件组成的传统冯诺依曼架构导致数据访问和数据分析延迟，功耗高。这对于具有严格延迟和功率要求的革命性应用(例如自动驾驶汽车和机器人技术等)来说可能会很麻烦。
在Light Science & Application上发表的一篇新论文中，由阿卜杜拉国王科技大学电气和计算机工程项目智能高级存储设备和应用 (SAMA) 实验室的 Nazek El-Atab 教授领导的科学家团队 ( KAUST)，Thuwal，沙特阿拉伯，以及来自阿联酋阿布扎比哈利法大学电气工程和计算机科学的同事，开发了一个单一的传感-存储-处理节点，使用一个两端可溶液处理的 MoS 2基于金属氧化物半导体 (MOS) 器件。该设备嵌入了一个模仿人类视觉系统的基于光敏二维材料的电荷捕获层。更具体地说，同一设备被证明能够进行光学数据传感、存储和处理。该研究强调了基于先进技术的内存传感和计算如何提高响应时间、面积和能源效率，克服传统冯诺依曼架构中的延迟数据访问和硬件冗余问题。
科学家们总结了他们的内存传感设备的工作原理：
“当设备暴露在光线下时，它会直接将光的波长和强度存储在其中，这与传统设备不同，在传统设备中，专用光传感器会检测光的强度/波长，然后使用模数转换器，然后将数据传输到单独的内存中进行存储。”
“当作为传统内存运行时，该设备显示出大约 2.8 V 的良好内存窗口，工作电压为 +6/-6 V，高温保持 (100°C) 长达 10 年，并且具有出色的耐用性 (10 6周期)没有任何恶化。有趣的是，当不同波长的光在编程操作期间被刺激 2 s 时，该器件显示出存储窗口从 2.8 V 到超过 6 V 的更大偏移。这证实了该设备能够感知光并将其直接存储在同一个节点中。” 科学家们补充道。
“电脉冲和光脉冲的数量和持续时间对记忆窗口的影响表明，这些设备也可以模仿人类视觉系统的感知学习。为了证实这一点，使用卷积神经网络 (CNN) 来测量设备的光学传感、存储和处理能力。阵列模拟接收通过蓝光波长传输的光学图像，并进行推理计算以处理和识别图像。结果表明，我们的设备能够以 91% 的准确率识别图像中的物体。” 科学家们解释道。
“这种确定的方法有望用于未来人工视觉感知和内存光传感应用的人工视网膜网络的开发。需要指出的是，所展示的 MOS 存储器件使用了与 CCD 相机中获得诺贝尔奖的电荷耦合器件 (CCD) 相似的结构，这使得这项研究朝着开发具有人工视觉感知能力的智能 CCD 相机迈出了重要一步” 科学家预测。
版权声明：本文由用户上传，如有侵权请联系删除！