神经形态视觉感受场硬件与垂直集成的---氧化物光电子记忆器在神经晶体管上
Hyun Wook Kim1, Jin Hong Kim1, Dong Hoon Shin1
1Department of Materials Science and Engineering and Inter-University Semiconductor Research Center, Seoul National University, Seoul, 08826, South Korea.
Advanced materials (Deerfield Beach, Fla.)
|September 25, 2025
概括
这项研究引入了人工视网膜,使用光学模拟器和神经晶体器进行事件驱动处理. 这种神经形态视觉系统通过模仿生物视觉受体场来实现模式分类的高准确性.
科学领域:
- 神经形态工程的神经形态工程
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 传统的·诺伊曼系统在数据处理中面临能源效率方面的挑战.
- 使用尖端神经网络的神经形态视觉系统为提高能源效率提供了潜力.
- 生物视网膜通过受体场进行高效的视觉信息预处理.
研究的目的:
- 提出一个人工视网膜神经元整合一个光电子记忆器和一个神经元晶体管.
- 开发一种神经形态视觉系统,其灵感来源于生物视觉受体场 (VRF).
- 提高人工视觉系统的能源效率和特征提取能力.
主要方法:
- 垂直集成一个光学模拟器 (In-Ga-Zn-O) 和一个神经电阻器 (Si FET) 来创建一个人造视网膜神经元.
- 实施刺激性 (ON型) 和抑制性 (OFF型) 细胞,模仿生物VRFs.
- 开发一种双类型配置,将ON和OFF类型的单元组合在一起,以增强功能提取.
主要成果:
- 人工神经元在传感器中进行预处理,提取像边缘这样的基本图像特征.
- ON类型的细胞显示光线的尖峰频率增加,而OFF类型的细胞显示频率降低.
- 双类型配置在指纹图案分类中实现了99.8%的准确性,明显优于单类型配置 (56.1%).
结论:
- 拟议的人工视网膜神经元有效地模仿生物VRF,以有效地提取边缘信息.
- 这个神经形态系统中的事件驱动处理提供了卓越的性能和能源效率.
- 这项技术对于需要高精度模式识别的先进人工视觉应用具有前景.
