Disociación de Hidroxilo Reconfigurable para Programación de Peso Espectralmente Desacoplada y Computación de...

Área de la Ciencia:

• Optoelectrónica
• Ciencia de Materiales
• Inteligencia Artificial

Sus antecedentes:

• La Inteligencia Artificial de las Cosas (AIoT) requiere sistemas sensoriales compactos y eficientes en energía.
• El procesamiento en sensor (PIS) ofrece una solución para aplicaciones de visión en el borde al integrar la computación dentro del sensor.
• La computación de fotocorriente directa (DPC) utiliza la fotorespuesta para operaciones de multiplicación-acumulación (MAC) en el sensor, pero enfrenta limitaciones con la programación de peso eléctrico.

Objetivo del estudio:

• Introducir un dispositivo DPC ópticamente programable para mejorar los sistemas sensoriales AIoT.
• Superar las limitaciones de la programación de peso eléctrico en dispositivos DPC.
• Demostrar una plataforma de materiales novedosa para la programación de peso espectralmente desacoplada y la computación de fotocorriente.

Principales métodos:

• Desarrollo de una plataforma de materiales de oxiselenuro de bismuto (BOS) modulada por vacantes.
• Utilización de la disociación reversible de hidroxilo superficial desencadenada por luz ultravioleta para reconfigurar la dinámica de las vacantes de oxígeno.
• Implementación de una matriz BOS para hardware PIS, permitiendo la clasificación gruesa y el preprocesamiento para tareas de visión complejas.

Principales resultados:

• Demostración de un dispositivo DPC ópticamente programable basado en BOS.
• Logró la programación de peso espectralmente desacoplada y la computación de fotocorriente.
• Implementación exitosa de hardware PIS para clasificación de baja potencia y preprocesamiento en un paradigma de procesamiento cerca del sensor (PNS).

Conclusiones:

• El dispositivo DPC BOS ópticamente programable ofrece una solución prometedora para sistemas sensoriales AIoT compactos y eficientes en energía.
• Una arquitectura híbrida que combina PIS y PNS puede equilibrar inteligentemente los recursos computacionales para una potencia y un rendimiento óptimos.
• Este trabajo allana el camino para aplicaciones avanzadas de AIoT en el borde que requieren un procesamiento de visión sofisticado.