【儀表網 儀表研發】人類視網膜通過感知光信號收集豐富的動態圖像，并對其進行預處理，進而加速下游視覺皮層的任務識別。傳統硅視覺芯片的信號感知、存儲，與處理單元相互獨立，各單元之間大量頻繁的數據傳輸和模數轉換，不僅產生大量的能耗，而且嚴重限制了算速。
這一局限性隨著摩爾定律的減速進一步加劇。因此，開發柔性且具有“感算一體”特征的光電材料和器件，對于實現低功耗高算速的邊緣計算器件具有重要意義。
中國科學院福建物質結構研究所結構化學國家重點實驗室研究員黃偉國團隊和香港大學教授王忠睿團隊合作，提出了材料-算法協同設計策略，開發出具有高效激子分離和空間電荷傳輸特性的半導體聚合物(p-NDI)，并構建出具有多任務識別能力的“儲池計算”視覺芯片。
基于p-NDI出色的光響應行為和瞬態記憶特性，器件可同時感知、存儲和預處理光信號，并表現出多比特信號區分能力、記憶非線性衰減行為，以及對于不同輸入信號的實時關聯特性。基于此，該“儲池計算”器件對手寫字母、數字和服裝的識別率分別為98.04%、88.18%和91.76%。此外，該器件對不同動態手勢的識別率達98.62%，為有機光電材料中報道的最高值。該工作為柔性可穿戴具有多任務學習識別功能的高效光子神經形態器件提供了全新的設計策略。
近日，相關研究成果以Wearable in-sensor reservoir computing using optoelectronic polymers with through-space charge-transport characteristics for multi-task learning為題，發表在《自然-通訊》(Nature Communications)上。研究工作得到國家海外高層次人才計劃、國家自然科學基金、中國福建光電信息科學與技術創新實驗室的支持。
基于柔性有機光電材料和器件的神經形態視覺芯片
所有評論僅代表網友意見，與本站立場無關。