Computación en el sensor con redes de reservorio optoelectrónico basadas en perovskita de haluro

Área de la Ciencia:

• Ciencia de Materiales
• Neurociencia
• Ciencias de la Computación

Sus antecedentes:

• La computación física de reservorio ofrece una computación neuromórfica eficiente para aplicaciones en el sensor y cerca del sensor.
• Las redes de reservorio existentes procesan principalmente entradas de luz o voltaje.
• Las matrices de sensores escalables y de alta densidad son cruciales para la computación avanzada.

Objetivo del estudio:

• Demostrar una red de reservorio optoelectrónico multimodal.
• Utilizar dispositivos semiconductores de perovskita de haluro para procesar entradas de voltaje y luz.
• Evaluar la escalabilidad y el rendimiento de la red en tareas de clasificación.

Principales métodos:

• Fabricación de dispositivos de microbarras asimétricas de tamaño micrométrico recubiertos con película de perovskita de yoduro de metilamonio y plomo (MAPbI3).
• Implementación de una arquitectura de red de reservorio multimodal.
• Utilización de entradas de 4 bits y capas de lectura lineales para la clasificación de imágenes y videos.

Principales resultados:

• La red multimodal procesó con éxito entradas de voltaje y luz.
• Se lograron altas precisiones medias: 95,3% ± 0,1% para la clasificación de imágenes y 87,8% ± 0,1% para la clasificación de videos.
• Superó a las referencias de clasificadores lineales en un 3,1% para imágenes y un 14,6% para videos.

Conclusiones:

• La red de reservorio basada en perovskita desarrollada es eficaz para el procesamiento de datos sensoriales multimodales.
• Los tiempos de retención más largos mejoran la precisión de la clasificación en redes de modo único.
• Proporciona directrices para optimizar los parámetros experimentales para la computación de reservorio de perovskita.