在范德瓦尔斯的生物启发的高阶传感器内时空增强中,光电子神经形态电子学
Mengjiao Li1,2, Hongling Chu1, Caifang Gao1
1School of Microelectronics, Shanghai University, Jiading, Shanghai, China.
Nature communications
|October 2, 2025
概括
研究人员开发了一种新的视觉传感器,使用范德瓦尔斯光晶体管和Triplet-spike-timing-dependent可塑性来有效地跟踪目标. 这种生物灵感的方法增强了尖端的神经网络,提高了动态跟踪的准确性和性能,特别是在对象封闭后.
科学领域:
- 材料科学与工程 材料科学与工程
- 神经科学和人工智能 人工智能
- 设备物理 设备物理
背景情况:
- 机器视觉的深度学习往往导致不准确和耗能密集的目标跟踪.
- 尖端神经网络 (SNN) 对动态信息处理具有前景,但对于具有挑战性的跟踪环境需要增强的特征相关性学习.
- 现有的可塑性规则,如配对尖峰时间依赖可塑性 (PSDP),对于复杂的跟踪需求是不够的.
研究的目的:
- 开发一种高效的机器视觉目标追踪系统,使用生物灵感的SNNs.
- 增强SNN的特征相关性学习能力,以改善动态跟踪.
- 调查使用范德瓦尔斯光晶体管和三尖度定时可塑性 (TSDP) 进行先进的视觉传感.
主要方法:
- 使用范德瓦尔斯光晶体管制造了一个新的视觉传感器.
- 实现了三重点尖峰时间依赖的可塑性 (TSDP),以提取高阶的相关信息.
- 该系统利用可调节的光电效应和界面缺陷主导的持久光导体来实现突触可塑性.
- 硬件实现是在一个6×6的范德瓦尔斯光晶体管阵列上进行的.
主要成果:
- 基于TSDP的SNN显示了增强的时空相关性学习.
- 该系统在对象分类和动态跟踪任务中实现了更好的性能,达到90.44%的准确性.
- 在无目标追踪中观察到异常性能,特别是在物体封闭期间之后.
- 设备物理驱动的方法为绘制生物理性学习提供了自下而上的方法.
结论:
- 三重点-尖峰-时间依赖的可塑性为增强视觉跟踪中的SNN提供了一种通用机制.
- 开发的基于范德瓦尔斯光传感器的传感器为动态跟踪提供了高性能解决方案.
- 这项工作为先进的机器视觉技术铺平了道路,通过将设备物理与生物启发的学习原则相结合.
