研究背景

隨著人工智能(AI)技術(shù)逐漸滲透到各個(gè)應(yīng)用領(lǐng)域，市場(chǎng)對(duì)計(jì)算能力的需求正在快速增長(zhǎng)。由于馮諾依曼架構(gòu)中存儲(chǔ)與計(jì)算的物理分離，頻繁的數(shù)據(jù)交互所帶來(lái)的能效問(wèn)題日益嚴(yán)峻，芯片行業(yè)迫切需要在底層計(jì)算架構(gòu)層面進(jìn)行創(chuàng)新。將內(nèi)存計(jì)算作為人工智能創(chuàng)新的核心，避免了數(shù)據(jù)處理帶來(lái)的“內(nèi)存墻”和“功率墻”，顯著提高了數(shù)據(jù)并行性和能效。隨著新型人工視覺(jué)系統(tǒng)的快速發(fā)展，對(duì)新型視覺(jué)器件對(duì)外部環(huán)境信息的實(shí)時(shí)采集、高效處理和及時(shí)決策提出了新的要求。傳統(tǒng)的人工視覺(jué)系統(tǒng)將傳感器物理地分為存儲(chǔ)單元和計(jì)算單元，從而在圖像傳感器節(jié)點(diǎn)的處理過(guò)程中產(chǎn)生非結(jié)構(gòu)化和冗余數(shù)據(jù)。受人類(lèi)視網(wǎng)膜的啟發(fā)，一種神經(jīng)形態(tài)視覺(jué)傳感器可以感知光信號(hào)，存儲(chǔ)信號(hào)，并對(duì)信息進(jìn)行預(yù)處理，可以模仿人類(lèi)視網(wǎng)膜的功能。集成感知-存儲(chǔ)-計(jì)算的神經(jīng)形態(tài)視覺(jué)傳感器架構(gòu)有助于避免馮諾依曼架構(gòu)中數(shù)據(jù)處理的功耗瓶頸。這將提高整體效率，減少計(jì)算延遲以及冗余數(shù)據(jù)存儲(chǔ)。

成果簡(jiǎn)介

近日，山西師范大學(xué)許小紅教授，薛武紅副教授，復(fù)旦大學(xué)周鵬教授和南方科技大學(xué)周菲遲副教授（共同通訊作者）等合作設(shè)計(jì)了基于全2D SnS₂/h-BN/CuInP₂S₆(CIPS)的鐵電場(chǎng)效應(yīng)晶體管(Fe-FET)，利用光致鐵電極化反轉(zhuǎn)實(shí)現(xiàn)了優(yōu)異的存儲(chǔ)性能和多功能感知-記憶-計(jì)算視覺(jué)模擬。該器件具有超過(guò)10⁵的高開(kāi)/關(guān)電流比、>10⁴s的長(zhǎng)保留時(shí)間、>350個(gè)周期的穩(wěn)定循環(huán)壽命和128個(gè)多級(jí)電流狀態(tài)（7位）。此外，本文還模擬了突觸可塑性的基本特征，包括成對(duì)脈沖促進(jìn)(PPF)、短時(shí)程可塑性(STP)、長(zhǎng)時(shí)程可塑性(LTP)、長(zhǎng)時(shí)程增強(qiáng)和長(zhǎng)時(shí)程抑制。用于MNIST手寫(xiě)數(shù)字識(shí)別的鐵電光電儲(chǔ)備層計(jì)算系統(tǒng)達(dá)到了93.62%的高精度。此外，本文成功地模擬了視網(wǎng)膜樣的光適應(yīng)和巴甫洛夫條件反射。這些結(jié)果為開(kāi)發(fā)具有感知-記憶-加工一體化的多級(jí)存儲(chǔ)器和新型神經(jīng)形態(tài)視覺(jué)系統(tǒng)提供了策略。文章以“Integrated In-Memory Sensor and Computing of Artificial Vision Based on Full-vdW Optoelectronic Ferroelectric Field-Effect Transistor”為題發(fā)表在著名期刊Advanced Science上。

圖文導(dǎo)讀

圖5. SnS₂/h-BN/CIPS基Fe-FET的光電儲(chǔ)備池計(jì)算實(shí)現(xiàn)手寫(xiě)體數(shù)字識(shí)別。

https://onlinelibrary.wiley.com/doi/10.1002/advs.202305679