在InGaSnO光学神经形态装置中,增强的传感器内计算具有依赖于尖峰数的可塑性特征,用于加速机器视觉
Min Ho Park1,2, Yeojin Kim3, Min Jung Choi1,2
1Department of Advanced Materials Engineering for Information and Electronics, Kyung Hee University, Yongin 17104, Republic of Korea.
ACS nano
|March 27, 2025
概括
这项研究引入了氧化 (IGTO) 来改进光学神经形态器件. 新材料增强了尖峰数依赖可塑性 (SNDP),提高了机器视觉效率和准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 神经形态工程的神经形态工程
- 计算机视觉 计算机视觉
背景情况:
- 光学神经形态设备是高效机器视觉的关键.
- 当前设备中的尖峰时间依赖可塑性 (STDP) 复杂化了传感器内计算,降低了准确性.
研究的目的:
- 开发一种具有增强尖峰数依赖可塑性 (SNDP) 的光学神经形态装置,并消除STDP.
- 为了研究氧化 (IGTO) 对此应用的潜力.
主要方法:
- 使用IGTO半导体制造一个光学神经形态设备.
- 使用光脉冲刺激对突触可塑性的表征.
- 使用光辐射光谱学 (PES) 验证材料性能.
- 在多层感知子 (MLP) 模型中评估传感器内计算性能.
主要成果:
- 基于IGTO的设备展示了强大的SNDP,独立于光脉冲定时.
- 设备传导状态可靠地与输入光脉冲的数量相关联.
- PES的分析证实了强大的Sn-O结合有助于SNDP.
- 使用SNDP增强设备的传感器内计算可以将MLP训练时间减少87.7%,并具有很高的分类准确性.
结论:
- 基于IGTO的光学神经形态设备表现出显著的SNDP,克服了STDP的限制.
- 这些设备为在高效的机器视觉系统中加速机器学习提供了有希望的途径.
