中国科大与复旦大学合作在深紫外光电感算领域取得新进展

1

中国科大与复旦大学合作在深紫外光电感算领域取得新进展

中国科大微电子学院龙世兵教授课题组与复旦大学芯片与系统前沿技术研究院刘琦教授课题组合作，利用深紫外（DUV）光电突触结合忆阻器的构架实现了基于储备池计算（RC）的指纹识别系统，相关成果在线发表在学术期刊《Nature Communications》上。

深紫外光电探测器在深空探索、环境监测、生物信息识别等领域的角色举足轻重，然而高速智能化探测在DUV波段存在严重缺失。以传统的指纹识别系统为例，其中传感器、存储器和处理器的分离恶化了决策的延迟，并不可避免地增加了整体计算能耗。随着智能时代的来临，这类光信息应该以什么样的形式进行处理呢？在生物体中，光信息的采集通过视觉神经系统来完成，而光信息的处理通过中枢神经系统进行。受此启发，合作团队提出通过感算和存算器件分别模拟神经突触的行为，来实现感存算一体化的光信息采集与处理。

合作团队基于富镓氧化镓材料设计，利用非晶材料的持续光电导效应，制备了具备短时程效应的光突触器件。通过4比特紫外光脉冲输入测试，构建了感算器件RC网络的映射关系，将

信息通过紫外光转化为特征电流值。最终，通过存算忆阻器阵列稳定的多态调控特性实现了对储备池输出的训练，实现了小规模的深紫外指纹识别功能。基于该硬件系统，采用定制化特征值策略，DUV指纹图像的高识别精度几乎与软件仿真结果相匹配。该系统在训练后可达到100%的识别准确率，并且即使在15%背景噪声水平下也能保持90%的准确率，这与DUV波段的抗噪特性相符。这种全硬件感算RC系统为高效的识别和安全应用提供了很好的参考原型，也对深紫外波段的智能光电器件发展具有重要参考意义。

该成果得到了审稿人的充分肯定：“这个原型系统将为感内储备池计算系统的发展提供更多思路，整个工作的主题非常有趣。”

出版信息

标题:

In-sensor reservoir computing system for latent fingerprint recognition with deep ultraviolet photo-synapses and memristor array

出版信息:

Nature Communications，03 November 2022

DOI:

10.1038/s41467-022-34230-8

2

芯片与系统前沿技术研究院在神经形态计算领域取得新进展

人类社会正由信息化向智能化发展，借鉴人脑结构与信息处理方式的神经形态计算系统，成为当下研究热点。人工神经元是构建该神经形态计算系统的关键单元。然而基于传统CMOS技术的神经元电路在复杂度和集成密度方面存在挑战，亟需开发新的物理介质降低神经元电路的硬件开销。

近日，复旦大学芯片与系统前沿技术研究院刘琦教授课题组与国防科技大学徐晖教授课题组合作，基于锆掺杂氧化铪实现了高稳定性的超低能耗紧凑型神经元。锆掺杂氧化铪作为一种新型的铁电材料，功耗低，稳定性高，与CMOS工艺完全兼容，提高其中锆的掺杂比例可以实现易失的反铁电性。所构建的反铁电晶体管利用反铁电的极化控制沟道的开启，实现了神经元的积分特性，避免了大电容的使用，有利于提高神经形态计算系统集成度；利用反铁电的去极化实现了神经元的自恢复特性，避免了复位电路的使用，有效简化了神经元电路。

基于一个反铁电晶体管就可以实现神经元的积分发射基本功能的模拟，大幅降低了神经元的硬件成本，其积分过程受外界刺激强度调节，刺激强度越强，神经元发射越稳定，适用于高精度计算任务。同时，反铁电神经元还表现出超低功耗（37fJ）、高稳定性、高耐久性（1012次）等优势。为了验证该神经元的自主学习能力，研究人员进一步构建了784×400×10双层神经网络，手写体识别率达到96.8%，为实现高能效大规模神经计算系统提供了新的物理基础。

出版信息

标题:

Compact artificial neuron based on anti-ferroelectric transistor

出版信息:

Nature Communications，17 November 2022

DOI:

10.1038/s41467-022-34774-9

转自：“科研之友 ScholarMate”微信公众号

如有侵权，请联系本站删除！