为了理解世界,大多数人在很大程度上依赖于他们的视野。最近的研究表明,人类视觉系统是分层的,这意味着它在不同的层面上处理信息,从感官刺激的低级处理到与更高级认知能力相关的高级处理。 计算机科学家最近一直在尝试开发模拟人类视觉系统层次结构的系统,以有效地处理不同级别的信息处理。实现这一目标的一种拟议方法是传感器内计算,它需要将传感、内存和处理功能集成到单个设备中。 清华大学的研究人员最近开发了一种用于多样化传感器内计算的新型有前途的光电器件。该设备在发表在《自然纳米技术》上的一篇论文中介绍,它基于完全集成的光电忆阻器 (OEM) 阵列,这些硬件组件可以处理和存储信息。 Heyi Huang、Xiangpeng Liang 和他们的同事在他们的论文中写道:“基于新兴器件的传感器内计算与互补金属氧化物半导体 (CMOS) 电路的大规模单片集成仍然具有挑战性,缺乏硬件级别的功能演示。我们报道了一个完全集成的 1 KB 阵列,具有 128 × 8 个单晶体管单光电忆阻器 (OEM) 单元和硅 CMOS 电路,它具有可配置的多模式功能,包括三种不同模式的电子忆阻器、动态 OEM 和非易失性 OEM (NV-OEM)。” 研究人员展示的设备利用电和光同时处理信息和存储数据,这对于传感器内计算应用至关重要。OEM 采用分层结构,各种材料 (Pd/TiOx/ZnO/TiN) 相互重叠。 值得注意的是,该团队完全集成的 OEM 阵列具有不同的可配置操作模式。这些模式允许系统模拟人类视觉系统的分层信息处理。 Huang、Liang和他们的同事写道:“这些模式是通过协同光学和电操作调节氧空位内的电荷密度来配置的,差分相差扫描透射电子显微镜证实了这一点。” 到目前为止,研究人员已经在一系列初步实验中评估了他们基于 OEM 的设备,使用它来运行计算机视觉算法。他们的发现非常有希望,因为 OEM 阵列在测试的所有三个视觉任务上都实现了良好的精度,同时功耗也更低。 Huang, Liang和他们的同事写道:“使用这个 OEM 系统,展示了三个视觉处理任务:NV-OEM 模式的识别准确率从 85.7% 提高到 96.1% 的图像传感预处理,使用动态 OEM 和 NV-OEM 模式的更高级目标跟踪,准确率达到 96.1%,以及完全基于 OEM 的传感器内储层计算系统的人体运动识别,准确率达到 91.2%。系统级基准测试进一步表明,它消耗的能源比图形处理单元少 20 倍以上。” 该研究团队最近的研究引入了一种新的经济高效的光电平台,该平台可能被证明有利于实现各种传感器内计算应用。作为他们下一步研究的一部分,Huang、Liang 和他们的同事可以进一步优化他们系统的性能,例如在 OEM 的顶部电极上使用透明材料来提高他们的光吸收率。 |