基于溶液可处理的mos2材料内存光传感器的人工视觉感知神经系统—论文—科学网-米乐m6棋牌官网

导 读

近日，来自沙特阿拉伯王国阿卜杜拉国王科技大学（kaust）计算机电气数学科学与工程部电气与计算机工程项目智能、高级存储设备与应用（sama）实验室的nazek elatab教授团队在国际顶尖学术期刊《light: science & applications》发表了题artificial visual perception nervous system using a solution-processable mos₂-based in-memory light sensor的高水平论文，沙特阿拉伯王国阿卜杜拉国王科技大学的dayanand kumar 博士为本文第一作者，nazek elatab教授为本文的通讯作者。此外，阿拉伯联合酋长国阿布扎比哈利法大学电气工程和计算机科学系也为本工作提供了协助。nazek elatab教授提出了一种基于mos₂的内存光传感器实现的人工视觉感知神经系统，该结构可以通过溶液处理的工艺方式制备，对开发用于神经形态视觉感知的光电子mos存储设备具有十分重要的意义。

研究背景

随着人工智能技术和物联网技术的不断发展，视觉信号存储和计算成为了新的研究热点。其中，基于二维过渡金属硫族元素化物（tmd）的光电子器件因其优异的光学和电学特性，在光伏、人工视觉感知、光电传感器和神经形态突触设备等领域中取得了广泛的应用。此外，针对新型2d材料，已有的研究中已经提出了传感器中逻辑、存储器中计算和存储器中光感测的先进设计。2d-tmd材料（如mos₂、mose₂、nbse₂等）可以通过化学气相沉积（cvd）或者使用物理、化学剥离方法生长，但是其具有高热预算、缺乏控制的缺点。

已有的研究表明，使用基于光敏2d材料的电荷捕获层来检查mos存储器结构，可以使得溶液加工技术成为一种低成本、低热预算的涂层技术。2d材料中，mos₂具有从1.2 v的间接带隙过渡到1.8 ev的直接带隙，但是基于mos₂的mos存储器件具有在低操作电压下的窄存储窗口、较差的续航能力和不足的电荷存储能力等缺点，这限制了其在人工智能领域的发展。因此，需要进一步改进用于人工智能系统的基于mos₂的mos存储器。

最近，研究人员发现光照时晶体管或存储器的阈值电压会发生变化，这种现象主要是由于光诱导电荷载流子。由于具有偏置电压的入射光而导致的阈值电压偏移证实了在内存光传感器中使用光生载流子的可能性。事实上，光照下阈值电压的变化拓宽了从电气系统到光学系统和光感测设备的应用范围。目前还没有关于光敏mos存储器件可用于内存光感测和人工智能系统的研究报告。

图1. 人类视觉感知过程示意图。

创新研究

nazek elatab教授团队提出了一种基于mos₂的mos光存储器件，它非常适合于内存光传感和人工视觉感知。并且所展示的mos存储器件使用了与ccd相机中的电荷耦合器件相似的结构，其结构及工艺技术如图2和3所示。

图2. 光敏mos存储器件的制造工艺示意图。

图3. （a）使用旋涂技术的mos₂薄片的sem图像，其显示较低密度的薄片。（b） 使用液滴铸造技术的mos₂薄片的sem图像显示了薄片的大密度。

研究人员展开了一系列实验来验证所设计结构的性能，当400 nm波长的光在 6/-6 v的编程电压期间入射到器件上时，mos存储器的存储器窗口从2.8 v增加到6 v以上，并且器件在高温（100 °c）下的电荷保持能力从36%提高到64%。阈值电压随着光波长的减小而发生的较大偏移证实了电荷被捕获在al₂o₃/mos₂界面和mos₂层中。

图4. （a）滴注mos₂层的拉曼光谱，（b）d2器件在频率为80 khz的c–v特性，（c）扫描电压为 4/-4至 10/-10的器件的c–v特性，以及（d）具有扫描电压的器件的存储器窗口（插图显示了d2器件的频率相关的c–v曲线）。

图5. （a）光照下的器件示意图，（b）使用间隔为50 nm的600至400 nm的不同光波长照射器件的c–v曲线，（c）器件的波长相关阈值电压，（d）具有光学编程（ 6/-6）和电擦除（-8/ 8）的50个连续循环的c–v曲线的可重复性，（e）器件在400 nm波长的照明下的光学编程和电擦除耐久性，以及（f）器件的高温保持稳定性。

此外，研究人员提出了一种小型卷积神经网络来测量设备的光学传感能力。阵列模拟接收使用蓝光波长传输的光学图像，并执行推理计算，以91%的精度处理和识别图像。这项研究是朝着开发用于神经形态视觉感知的光电子mos存储设备、用于记忆光感测的自适应并行处理网络以及具有人工视觉感知能力的智能ccd相机迈出的重要一步。

图6. （a）d2器件的c–v曲线，使用50 mwcm^-2（400 nm）的光，从1 µs到75 µs，间隔为5 µs；（b）设备的内存窗口，该窗口经过光学编程；（c）被电擦除的设备的内存窗口；（d）使用小型cnn模型对cifar-10数据集进行二元分类；（e）内核（左）是从理想的软件测试中获得的。内核（右）通过对设备进行照明和编程，从相应的理想内核值中转移出来。（f） cifar-10数据集中764幅图像的测试结果的混淆矩阵。矩阵中的黄色对角元素表示正确识别的情况。

该文章近日发表在国际顶尖学术期刊《light: science & applications》，题为“artificial visual perception nervous system using a solution-processable mos2-based in-memory light sensor” 。沙特阿拉伯王国阿卜杜拉国王科技大学的dayanand kumar 博士为本文第一作者，nazek elatab教授为本文的通讯作者。（来源：lightscienceapplications微信公众号）

相关论文信息：