基于氧化碲忆阻器的人工光电突触与逻辑门在仿生视觉应用中的突破

来自多机构的研究团队针对传统冯·诺依曼架构中"存储与计算分离"导致的能效瓶颈，开发了一种基于氧化碲(TeOx)忆阻器的光电神经形态系统。该器件通过光/电刺激实现突触可塑性（STP/LTP）和逻辑门功能，成功模拟视觉神经网络对噪声图像的识别记忆，结合卷积神经网络(CNN)实现94.84%的高精度图像分类，为人工视觉应用提供创新解决方案。

　　

在传统冯·诺依曼架构中，"存储与计算分离"的特性造成了难以逾越的"内存墙"瓶颈，导致高能耗和低数据传输效率。将感知、存储与计算相结合的类脑功能集成到统一硬件系统中，已成为突破冯·诺依曼限制的重要策略。本研究基于氧化碲(TeO_x)忆阻器构建了集成光电神经形态系统，用于人工视觉应用。该忆阻器展现出优异的阻变切换（RS）特性，在光与电刺激下实现突触可塑性和OR、AND逻辑门功能。通过不同波长光脉冲调制，成功模拟了联合学习及大脑"褪黑素分泌与抑制"过程。器件展示的短期可塑性（STP）和长期可塑性（LTP）能够模拟视觉神经网络从噪声中识别和记忆图像的功能。进一步将突触可塑性功能与卷积神经网络（CNN）结合后，该器件可实现精确图像识别与分类，准确率达94.84%。这表明基于TeO_x的光电器件在人工视觉应用领域具有重大潜力。