忆阻器作为一种非易失性阻变存储器有望用于实现人工神经网络硬件，其中，结合感知-存储-计算功能的单一元件为实现机器视觉硬件提供了可能。通过将光传感功能与忆阻器结合，实现生物启发的视觉信息处理，可模仿人类的眼睛和大脑的工作机制。在此类感存算一体的视觉ANN中，使用可重配置的光响应度作为权重，由传感器本身构成ANN硬件，同步感知和处理图像。这对基础处理元件本身提出了极高的要求，需要具备非易失性的存储能力、并在可见光波段具有可观的光响应，以及阵列化制备的可拓展性。
近日，复旦大学信息科学与工程学院微纳系统中心的胡来归/秦亚杰团队和华东师范大学田博博课题组在前期合作的基础上，将提出的新型分子铁电/半导体界面型忆阻器,用于感存算一体的视觉人工神经网络(ANN)。相关成果以“In-situ artificial retina with all-in-one reconfigurable photomemristor networks”为题发表于npj Flexible Electronics，复旦大学信息学院博士蔡依辰、江逸舟为该论文的共同第一作者。
.jpg)
图1 分子铁电/半导体界面忆阻器阵列用于人工视觉
该工作实现了基于有机分子铁电/半导体光电忆阻器阵列的人工神经网络硬件，用于光学信号的接收与识别。虽然铁电层本身是绝缘体，但通过引入具有良好光电响应特性的半导体层，通过非易失性可控的铁电极化对半导体层进行调制，以实现对可见光的自驱动光响应。该工作制备了一个5×5像素的DIPAB/CuPc忆阻器阵列来实现人工视网膜功能，其同时具有可编程的电导和自驱动的光响应。DIPAB/CuPc忆阻器的性能包括感知（光响应）、存储（非易失性的光、电状态）、计算（光强与光响应的卷积），通过单器件实现视觉突触的功能。与使用两个忆阻器表示一个突触权重以实现负权重值的传统忆阻器神经网络突触不同，由于DIPAB/CuPc忆阻器的光响应度和电导可以预先配置为正值和负值，因此每个突触权重只需一个忆阻器即可实现，从而减少了至少一半的复杂度。通过光学实验平台实现了图案化光信号的刺激，针对F\D\U三个字母的视觉ANN实验获得了优秀的区分度。
图2 基于光电忆阻器阵列的书法大写数字识别与回归
为了展示光电忆阻器在人工视觉应用中的前景，在DIPAB/CuPc忆阻器单器件性能和阵列ANN硬件实验的基础上，通过计算机模拟了大规模视觉ANN硬件的工作可行性和性能。图2中展示了一个看到大写数字‘肆’并通过按键‘4’反馈的视觉流程，并按照生物视觉的功能对人工视觉网络进行设计。将图像输入的分辨率定为48×36像素，共1728个像素点。识别网络的输出作为回归网络的输入，且回归网络包含两层隐藏层，最后输出总电流值作为整个ANN的输出，最终分类准确率为96.9%。使用更大规模的阵列模拟了手写汉字的识别和回归，表明其在视觉ANN方面具有很大的潜力。值得注意的是，忆阻器自驱动的光响应能够在单器件中实现正负光响应（正负权重），降低了至少一半硬件复杂度，为传感器内计算应用铺设了一条新的途径。
原文链接：https://www.nature.com/articles/s41528-023-00262-3
