用于可控感知学习的 CsPbBr3/石墨烯纳米壁人工光电突触

以下文章来源于Artificial Synapse ，作者Synapse

研究背景

在数据洪流时代，电子计算能力的指数级增长导致摩尔定律出现偏差。在大规模计算过程中使用处理单元和独立存储单元的冯-诺依曼架构会遇到“存储墙”瓶颈，原因是处理单元和存储单元之间的传输速率受到限制。另一方面，人类的感觉神经元会进行内存处理。例如，一种名为“知觉学习”的现象表明，感官系统对刺激做出反应的能力可以通过学习经验得到提高，而且重新获得以前学习过的失去的能力所需的时间更短。这是人类以极高的速率和低能耗处理输入信号的基本机制。因此，消除处理-存储传输对于解决冯-诺依曼架构的局限性大有可为。

目前，模拟感觉神经元内存处理功能的神经形态计算已引起了广泛的研究兴趣。突触是感觉神经元的关键组成部分，对突触的模拟已成为提高计算速度和降低功耗的突破点。传统的人工突触设备是根据电刺激下电阻变化的原理运行的。晶体管、相变材料和电阻变化材料已被用于实现内存行为。然而，由于信号传输过程中存在延迟和功率损耗等大量互连问题，电突触的带宽有限，因此神经形态计算速度受到限制。相反研究证明，光刺激可以大大拓宽带宽，缓解互连问题。人工光电突触器件为神经形态计算提供了一条前景广阔的途径。更重要的是，光电突触可精确模拟视网膜神经元，实现高精度图像检测和识别。由于外部世界 80% 的信息都是通过视觉感知传递给人脑的因此人造光电突触为开发光无线通信和操作提供了一种非接触式输入方法。

光电突触可分为四种类型--异质结通道(HC)型突触、基于氧化物半导体的突触、基于浮栅型的突触和基于电路的突触。其中，HC型突触引入了额外的光吸收体(如钙钛矿和有机半导体)，在沟道区与高迁移率半导体形成异质结，显示出高灵敏度的光导特性。此外，通过使用具有适当带隙的吸收体，可以轻松控制光响应光谱的范围。由于具有高载流子迁移率和可调带隙，钙钛矿是最有前途的HC型光电候选材料之一。然而，由于在异质界面上捕获的电荷会迅速重组，基于钙钛矿的HC型突触通常表现出很短的记忆时间。要实现显著的长期大幅响应所面临的挑战，限制了对感知学习等典型内存处理行为的模拟。

研究成果

神经形态计算的快速发展激发了对人工突触的广泛研究兴趣。使用激光束作为刺激信号的光电人工突触具有宽带、快速响应和低串扰等优点。然而，由于光产生的载流子寿命较短，光电突触通常表现出较短的记忆持续时间。这在很大程度上限制了对人类感知学习的模仿，而感知学习是人类与环境进行感官互动和实践特定感官任务的常见现象。在此，上海科技大学Zengji Yue教授团队制作了一种基于石墨烯纳米壁和 CsPbBr3 量子点的异质结构光电突触。石墨烯/CsPbBr3 异质结和石墨烯纳米壁的天然中间能带延长了载流子的寿命。因此，光电流衰减的半衰期长达 35.59 秒。此外，还可以通过调整激光脉冲的数量、功率、波长和频率来控制长期光电响应。接下来建立了一个由 28 x 28 突触阵列组成的人工神经网络。它可以用来模拟人类感知学习的典型特征，即通过学习经验提高感知系统的能力。图像识别的学习行为可根据光电流响应控制进行调整。即使在低频学习过程中，图像识别的准确率也能保持在 80% 以上。还验证了重新获得先前学习过的感知能力所需的时间更短。这种方法为实现具有可控视觉感知学习能力的高性能智能设备铺平了道路。相关研究以“CsPbBr3/graphene nanowall artifcial optoelectronic synapses for controllable perceptual learning”为题发表在PhotoniX期刊上。

图文导读

Fig. 1 A biological synaptic structure for perceptual learning and GNWs/CsPbBr3 QDs artificial optoelectronic synapse.

Fig. 2 Characterization of CsPbBr3 QDs and GNWs.

Fig. 3 Photoresponsive characteristics of GNWs/CsPbBr3 QDs artificial optoelectronic synapses.

Fig. 4 Controllable photoresponsive characteristics of the GNWs/CsPbBr3 QD artificial optoelectronic synapse under pulsed laser train stimuli.

Fig. 5 The image recognition process using a GNWs/CsPbBr3 QDs artificial optoelectronic synapse array.

Fig. 6 Perceptual learning demonstration.

总结与展望

总之，作者报告了一种用于演示人类感知学习的 HC 型 GNWs/CsPbBr3 QDs 光电突触。该突触可通过不同数量、功率、波长和频率的可见激光脉冲进行可控刺激。通过引入GNWs 作为QD 基底，由于引入了 GNWs 独特的 MGB 并利用 GNWs 和 CsPbBr3 QD之间的内置电场，突触的光电流衰减时间较长。该晶体管型结构设计的激光响应强度可通过外加栅极电压灵活调节，从而模仿生物系统中大脑突触兴奋的调节。此外，该器件的激光响应结果还能以典型的神经形态方式进行处理，如 PPF 和记忆持续时间调整。GNWs/CsPbBr3 QDs 光电突触可与ANN 相结合，模拟人类的一种感知学习--手写数字识别。在二十倍激光功率训练下，识别准确率高达 96.42%。通过增加激光脉冲的数量和功率，准确率迅速提高这是感知学习的典型特征。此外，还证明了与第一次学习相比，再学习过程所需的时间更短就能提高准确率。人类感知学习的实现对于高性能人工智能传感设备具有巨大的潜力。

文献链接

CsPbBr3/graphene nanowall artificial optoelectronic synapses for controllable perceptual learning

https://doi.org/10.1186/s43074-023-00082-8

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！