研究背景
人类通过感知和响应外部刺激，如光、声、压力和化学品，与环境进行互动。在外部刺激中，由于声音的声学特征，包括音量、音调和音色，声音可以提供丰富的信息。首先，音量指的是声音的大小，可以用分贝 (dB) 来衡量，用于听力测试和确定听力阈值。此外，音调与声音的频率有关，可分为次声波 (<20 Hz)、可听声波(20-20 kHz)和超声波(>20 kHz)。最后，与波形有关的音色代表了声音的独特性。根据音色，人们可以评估不同主角的身体特征，包括性别、大致年龄和大小，并将身份与不同的声音联系起来。简而言之，对声音的音量、音调和音色的准确感知对听力保护、自然灾害预测和医疗应用都有帮助。
在人工智能时代，用于学习、计算和记忆信息的突触为未来的生物启发电子设备和类人机器人而崛起。在构建用于声音感知的突触设备方面，人们做了许多努力。例如，基于硬件神经网络的人工范德瓦尔斯混合突触被用于声学模式，通过改变输入电压来识别声音的单词。此外，通过调节单个有机突触晶体管的突衰减，多功能的电突触被用于人工听觉系统。另外，通过突触晶体管实现了用于智能神经形态计算和声音检测的人工听觉通路。然而，同时识别和记忆声音的音量、音调和音色的人工智能还从未在硬件层面上实现。
有机光电突触(OOSs)是模拟人工智能的重要技术之一，因为其具有易于调节的光反应范围、溶液可加工性、机械灵活性等优点。为了实现 OOSs 的突触特性，已经实现了多种机制包括电荷捕获、导电丝、离子迁移、浮动门和偶极子排列。其中，界面上的电荷俘获可以诱发电导率的变化，从而引起突触后的反应。例如，叶绿素/有机半导体和电介质/有机半导体界面上的电荷俘获导致了光电探测器和光刺激突触晶体管的多功能化。同时，活性层/介电层中的被困载流子的积累导致局部表面电位随着光强度的变化而变化，导致单个器件中的主动光适应行为。然而，界面层和突触性能之间的关系仍然是难以捉摸的。
研究成果
声音感知的神经形态系统对未来的生物启发电子学和类人机器人有很高的要求。然而，基于音量、音调和音色的声音感知仍然未知。在此，中国科学院大学黄辉教授团队构建了有机光电突触 (OOSs)首次用于声音识别。根据声音的振幅、频率和波形，声音的音量、音调和音色可以由 OOSs 的电压频率和光强度的输入信号来适当调节。识别因子(ξ)和突触后电流(I=Ilight-ldark)之间的定量关系被建立起来，以实现声音的感知。有趣的是，中国科学院大学的钟声识别准确率为99.8%。机制研究显示，界面层的阻抗在突触表现中起着关键作用。这一贡献在硬件层面上提出了前所未有的声音感知的人工突触。相关研究以“Organic Optoelectronic Synapses for Sound Perception”为题发表在Nano-Micro Letters期刊上。
研究两点
1. 有机光电突触在音量、音调和音色上同时实现了前所未有的声音感知。
2. 证明了界面层和突触性能之间的定量关系。
图文导读
Fig. 1 a Device structure of ITO/PEDOT:PSS/D:A/PDINN/Ag (Device I) and chemical structures of the donor and acceptor materials in device. b Optical absorption spectra of PM6, BSeC8-4F, and PM6:BSeC8-4F films. c–d UPS measurements of PM6 and BSeC8-4F films.
Fig. 2 a Schematic images of biological synapse in neural system of human brain. b Typical photo-responsive characteristic of OOSs. c The variation of PPF index with the interval of light pulse pairs. d Schematic images of sound perception based on OOSs. e–g The volume, tone and
timbre of sound simulated by input signal of voltage e, frequency f and light intensity g at 850 nm.
Fig. 3 a–b Quantitative relationship of postsynaptic current (I) and perception factor (ζ) for sound perception based on Device I, and (b) partial enlarged view of a. c Bell tower of the UCAS. d Sound wave of the bell. e The corresponding synaptic signal of the bell sound.
Fig. 4 a Impedances (logZ) of Device I (ITO/PEDOT:PSS/D:A/PDINN/Ag), Device II (ITO/PEDOT:PSS/D:A/Ag), Device III (ITO/D:A/PDINN/Ag) and Device IV (ITO/D:A/Ag) under diferent bias voltages. b Quantitative relationship curve of PPF index versus logZ plots at the light pulse pairs with interval of (Δt) 0.11 s. c The capacitance–voltage (C–V) profle of Device I, Device II, Device III and Device IV at 850 nm light.
总结与展望
构建的 OOSs 在调整界面层后可获得前所未有的声音感知。令人印象深刻的是，受振幅、频率和波形影响的声音的音量、音调和音色被 OOSs 的电压、频率和光强度的输入信号适当地模拟出来。建立了识别因子(ξ)和突触后电流(I=Ilight-ldark) 之间的定量关系，以实现高度精确的声音感知。机理研究表明，界面层的阻抗对突触的表现至关重要。这一贡献为人工智能中 OOS的发展铺平了道路。
文献链接
Organic Optoelectronic Synapses for Sound Perception
https://doi.org/10.1007/s40820-023-01116-3
转自：“i学术i科研”微信公众号
如有侵权，请联系本站删除！
