Neuromorfisia näkösensoreita

Neuromorfinen laskenta on saanut valtavasti huomiota aivojen rakenteen ja rinnakkaiskäsittelykyvyn jäljittelemisessä, jolla tavoitellaan korkeaa tehokkuutta esimerkiksi monimutkaisessa kuvankäsittelyssä.

Tähän pyritään myös keinotekoisen näkökyvyn avulla. Biologisen näön tehokkuus on peräisin itse verkkokalvosta, jossa erikoistuneet neuroyhteydet alkavat erottaa kuvapiirteitä jo ennen kuin signaalit edes saavuttavat aivot. CMOS-tekniikalla vastaavaan rakentaminen vaatii massiivisten laskentaresurssien toteuttamista pikseliryhmiin.

Kiinan Nanjing Normal Universityn tutkijat osoittavat nyt nanomateriaaleihin perustuvan lähestymistavan, jossa käytetään liuoksessa kasvatettuja hybridejä orgaanis-epäorgaanisia perovskiitteja (OIHP), jotka yhdistävät luonnostaan sekä valontunnistuksen että dynaamisen, mukautuvan synaptisen signaalin modulaation yhden mikronin elementeissä.

Erilaiset fotoniset synapsit eivät havainnoi vain valosignaaleja, vaan myös seuraavat historiaa, mukaan lukien valon intensiteetti sekä valopiikkien lukumäärää, kestoa ja taajuutta jäljitelläkseen verkkokalvon visuaalista havaitsemista. Lisäksi verrattuna elektronisiin synapseihin fotonisilla synapsirakenteilla on myös laaja kaistanleveys, korkea häiriöimmuniteetti ja alhaiset ylikuulumisominaisuudet.

Kiinalaisten tutkijoiden valitsema 2D Ruddlesden-Popper -perovskiitti, jossa on luontaiset orgaaniset/epäorgaaniset rajapinnat, on heidän valinta synaptisen rakenteen yksinkertaistamiseksi, valmistuskustannusten vähentämiseksi ja energiankulutuksen minimoimiseksi.

Työssä kehitettiin uusi fotomuistin peruselementti, joka perustuu ioniliikkeeseen ja ioni-eksitoni -kytkentään 2D-perovskiitissa.

Kaksiterminaalinen fotomemristori valmistettiin monoliittisen 2D-orgaanis-epäorgaanisen hybridiperovskiitin (OIHP) perusteella toistamaan synaptista käyttäytymistä valoärsykkeiden alla. Ilman ulkoista rajapintaa 2T-fotonisynapsilla on erittäin neuromainen vaste optisiin signaaleihin, mikä mahdollistaa säädettävän synaptisen plastisuuden sekä oppimis- ja muistitoimintojen emuloinnin.

Kaikki nämä älykkäät ominaisuudet tekevät laitteesta erityisen sopivan ihmisen näköjärjestelmän jäljittelemiseen.

Tutkijat esittelivät menetelmillään kuvantunnistusta, kuvan muistamista ja reaaliaikaista esikäsittelyä. Merkittävästi parannettu suorituskyky antoi tutkijoille myös mahdollisuuden kokeilla yksikerroksisen synapsijärjestelmän kasvojentunnistusta ilman monimutkaista keinotekoista neuroverkkoa.

Tutkijoiden mukaan työ kehitti uuden alustan vastaamaan neuromorfisten näkösensorien vaatimiin monimutkaisuuteen ja vapauksiin, mikä on ensiarvoisen tärkeää seuraavan sukupolven keinotekoisille fotoniikan neuroverkoille.

Aiheesta aiemmin: