CeO2–x/ZnO异质结光电突触在存储计算及物理边缘智能光感系统中的应用

《IEEE Transactions on Electron Devices》：CeO2–x/ZnO Heterojunction Photoelectric Synapse for Reservoir Computing and Physical Edge Intelligent Light Sensing Systems

　　

摘要：

具有感知、存储和计算功能的光电神经形态器件因有望解决传统冯·诺伊曼架构的瓶颈问题而备受研究关注。尽管在模拟生物突触可塑性和优化单个器件性能方面已取得显著进展，但要实现适用于边缘智能应用的复杂物理级人工视觉系统仍面临巨大挑战。本研究采用了以缺陷介导的载流子捕获和非线性光响应为特性的CeO2?x /ZnO异质结光电突触来实现高效的物理计算系统。该系统利用器件固有的短期记忆功能将时间序列输入映射到高维特征空间，从而实现了95.3%的手写数字识别准确率。为验证该器件在实际应用中的潜力，研究人员设计并构建了一个集成嵌入式人工智能技术的完整硬件级实时光强度识别系统。通过微控制器与无线传输模块的协同工作，该系统实现了对光强度信号的边缘智能感知与分类。因此，这项研究不仅展示了光电突触在推动神经形态视觉系统发展方面的巨大潜力，还为高效的视觉神经形态计算及边缘智能感知提供了可行的技术路径。

I. 引言

视觉感知是生物获取外部信息的主要途径[1]、[2]。随着物联网和人工智能的快速发展，海量视觉数据的产生给硬件处理能力带来了前所未有的挑战[3]、[4]。传统的机器视觉系统通常采用基于冯·诺伊曼架构的离散设计，其中CMOS图像传感器与存储单元及处理单元是物理上分开的。在这种架构下，传感器捕获的大量原始数据需要频繁地在物理上分离的存储单元和计算单元之间传输，从而导致严重的“内存墙”瓶颈，进而造成较高的能耗和延迟[5]、[6]、[7]。相比之下，人类视觉系统通过视网膜捕捉光信号，将其转换为电信号，再将这些信号传递到大脑皮层进行高效并行处理[8]、[9]、[10]。因此，开发能够模拟生物视觉感知和记忆功能的神经形态视觉系统，已成为克服现有计算瓶颈并实现高效边缘智能的关键策略[11]、[12]。