1
中国科大与复旦大学合作在深紫外光电感算器件研究中取得新进展
中国科大微电子学院龙世兵教授团队与复旦大学芯片与系统先进技术研究院刘琦教授团队合作，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，相关成果以“In-sensor reservoir computing system for latent fingerprint recognition with deep ultraviolet photo-synapses and memristor array”为题于11月3日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？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。
团队基于富镓氧化镓材料设计，利用非晶材料的显著持续光电导效应，制备了具备短时程效应的光突触器件。通过4比特的紫外光脉冲输入测试，构建了感算器件RC网络的映射关系，这可以将
信息通过紫外光转化为特征电流值（图2a）。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（图2b,c）。该系统在短期训练后即可达到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（图2d）。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
清华大学集成电路学院唐建石课题组研制出基于忆阻器的低功耗全模拟储备池计算系统
受大脑启发，储备池计算（Reservoir Computing, RC）为动态时空信号的高效处理提供了一种全新的仿生计算范式，具有易训练、便于硬件实现等优点，成为近年来类脑计算领域的前沿热点。近日，清华大学集成电路学院唐建石课题组研制了一种以两种不同类型的忆阻器为核心元件的全模拟RC系统，采用动态忆阻器阵列实现并行储备池层，而读出层则通过非易失性忆阻器阵列实现。相较于传统全数字或数模混合的硬件架构，这种全忆阻器的RC系统具有更加精简的电路结构、更少的元器件数以及更低的功耗。研究团队利用该系统实时演示了异常心率检测和动态手势识别等时序信号处理任务，成功实现了端到端的全模拟计算和极低的系统功耗，比传统数字系统低三个数量级以上。
RC的核心思想是利用物理系统（或物理节点）自身的动态特性和非线性取代传统递归神经网络中各个节点间的循环连接，从而大幅减少硬件开销和系统功耗。同时，由于消除了循环连接带来的误差积累问题，RC系统天然具备全模拟计算的优势与潜力。RC系统的硬件实现大致可分为三个阶段：全数字系统、数字-模拟混合系统和全模拟系统。由于前两种RC系统都需要额外的模拟-数字转换器和寄存器作为数据转换和缓存，这带来了大量的系统功耗和延时。相比之下，全模拟RC系统中储备池层和读出层均由模拟元件实现，输入的模拟信号可以在整个系统中直接传输和处理，无需任何数据转换和缓存。要实现这种能够以极低功耗和硬件开销实时处理时空信号的全模拟RC系统，主要有两大难点问题：一是如何构建状态丰富的储备池并寻找到物理节点中决定储备池性能的关键特征参数；二是降低全模拟传输和处理过程中的噪声对系统性能的负面影响。
清华大学集成电路学院唐建石副教授课题组从这两点出发，设计出了具备全模拟计算能力的DM-RC系统，其核心是由24个动态忆阻器（DM）构成的储备池层以及由2048个非易失性忆阻器（NVM）构成的读出层。DM-RC系统中每个动态忆阻器都构成一个物理节点，通过时分复用机制（Mask）能够产生丰富的储备池状态。研究团队发现，物理节点的阈值、窗口等关键行为特征对系统的性能影响很大，通过调节动态忆阻器物理节点的阈值和窗口，可以使得储备池计算系统达到最优性能。此外，为了进一步抑制噪声等非理想特性对系统性能的影响，研究团队提出了一种带有噪声感知能力的线性回归算法，使用该算法所得到的输出层权重具有较好的噪声鲁棒性，能够很好地补偿由器件电导值扰动以及模拟传输噪声引起的计算精度损失。
为验证DM-RC系统实时模拟信号处理的能力，研究团队将其应用到异常心率检测和动态手势识别等任务中，均展现出优异的性能和极低的功耗。以动态手势识别为例，手环中的三轴加速度传感器将手部的空间动作转换成三路不同的模拟电信号，每路信号被分别输入到八个DM节点上产生相应的储备池状态，其随后被直接传输到非易失性忆阻器阵列中进行模拟域的乘加运算，并最终区分出四类不同的动态手势。DM-RC系统最终实现了97.9%的分类准确率，与全数字RC系统准确率接近，但却节省了99.9%以上的功耗。该工作展示了全模拟的储备池计算系统在边缘计算、物联网等低功耗场景中的应用潜力。
出版信息
标题:
A memristor-based analogue reservoir computing system for real-time and power-efficient signal processing
出版信息:
Nature Electronics，26 September 2022
DOI:
10.1038/s41928-022-00838-3
图文来源：中国科学技术大学，清华大学
转自：“科研之友 ScholarMate”微信公众号
如有侵权，请联系本站删除！
