香港理工大学郝建华教授ACS Nano: 基于铁电调控的可重构神经形态视觉传感器及运动探测的实现

神经形态视觉传感器从生物神经系统中汲取灵感，旨在复制人类视觉感知。在推理和学习应用的背景下，具有高准确性和高效能的神经网络发挥着关键作用。可分辨的和高对称性的线性突触权重变化极大地影响了视觉传感器系统的均一性和准确性表现。上述特征已成为图像识别、自动驾驶和虚拟现实运动学习的基本要求。与此同时，提高整体能量效率并试图建立自驱动系统对于视觉传感器至关重要。通过降低功耗，传感器设备可实现超长待机。此外，神经形态视觉传感器在各种便携硬件应用中展现潜力，减少功耗有助于有效缓解散热问题。然而，开发涵盖上述优势的视觉传感器并用于运动检测仍然是一个挑战。

为解决这一难题，香港理工大学郝建华教授课题组展示了一种基于两极性钨二硒化物（WSe2）和聚偏氟乙烯-三氟乙烯（P(VDF-TrFE)）铁电共聚物的可重构神经形态器件。通过局域调控得到相反铁电的极化，并能够精确控制WSe2形成非易失性的PN和NP结，带来相反极性的自驱动下光电流。在逐步设置电脉调控铁电畴的翻转以获取铁电中间极化态后，作为突触权重的多态双向光电流具有超过6位分辨率。值得注意的是，这种情况下获得的突触更新行为表现出优异的对称性、可逆性、高线性度（R2≈0.999）以及均匀的步长，这些性能为能够准确探测移动物体提供稳定的基础。通过对称的双向光电流的抵消，我们可以模拟视网膜中神经节细胞的物体运动敏感功能，即有效提取移动的元素而消除冗余的静态背景。此外，我们制备了运动传感器阵列，展示了未来大规模集成的潜力。随后，通过人工神经网络（ANN）准确识别到运动信息，实现了96.8%的准确率。因此，此神经形态视觉传感器集合了光学感知、高能效架构、超线性权重更替和基于神经网络的运动检测。我们的工作为更进一步的运动检测系统提供了具有前景的解决方案。上述工作以“Object motion detection enabled by reconfigurable neuromorphic vision sensor under ferroelectric modulation”为题，发表在ACS Nano上，论文第一作者为香港理工大学郝建华教授课题组博士生党兆盈。

图1 神经形态视觉传感器用于运动检测。(a) 部分人类视网膜的示意图，强调双极、水平和神经节细胞，同时说明对于运动检测的局部和全局信息的不同响应 (b)。(c) 具有PN和NP配置的神经形态视觉传感器，促进生成具有非易失性的多态正负光电流作为突触权重。(d)运动元素感知功能的说明，强调移动物体同时消除静态信息。

图2 在铁电调控下的可重构WSe2器件。(a) WSe2/P(VDF-TrFE)晶体管的三维图像。(b)两个栅极在相同电压下器件的转移特性曲线。(c) Ig-Vg曲线展示了两个分离的铁电相关的峰值，位于±14V左右的栅极电压位置，顺时针测量方向。WSe2/P(VDF-TrFE)器件在p型（d）和n型（e）模式下的铁电滞回曲线。(f) 输出特性曲线对应WSe2在铁电调控下形成的PP，NN， PN，和NP结。P(VDF-TrFE)通过±20V的栅极电压脉冲极化。

图3 可编程的WSe2/P(VDF-TrFE)同质结。(a) PFM图像描述了通过铁电极化调控同质结逐渐转变的过程。PN（b）和NP（d）结的输出曲线，展示了在增加脉冲幅度下器件的电流响应。插图：PN和NP同质结下的能带图。在偏置电压±1.5V下，作为PN（c）和NP（e）源漏电流的变化。具体的栅极电压条件分别从10V和-10V开始，步长为0.25V，在读取过程中偏置电压定义为0V。(f) PN和NP配置在不同光输入强度下的Ids-Vds曲线。这些曲线展示了在零偏压下Isc的产生。(g) PN和NP配置下Isc与光强度之间的线性关系。

图4 非易失性WSe2/P(VDF-TrFE)晶体管的多态光电流形成。从NP和PN开始时，分别产生正向 (a) 和负向 (b) 光电流。放大视图显示了多个正向 (c) 和负向 (d) 光电流的稳定步距。每个光脉冲后，均匀变化6 pA。(e) 两个循环下，具有高线性和对称性的双向LTP和LTD过程。在循环1中部分LTP (f) 和LTD (g) 过程的放大视图。(h) 多态光电流的非易失特性。

图5：基于可重构WSe2/P(VDF-TrFE)神经形态视觉传感器的运动检测系统。(a)不同时刻帧（例如，ta和td）的亮度像素分别与对应的正向和负向光电流矩阵相乘。然后将结果相加以检测动态物体。 (b) 原始图像中的亮度分布，包含921,600个像素。运动检测后，静态图像的输出亮度分布 (c)，td时刻的动态图像 (d)，以及te时刻的动态图像 (e)。(f) 通过神经网络识别动态目标。(g) 在40个epochs过程中识别的准确性结果，表明在训练期间具有高达96.8%的准确率。

--检测服务--

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！