【產(chǎn)通社，11月26日訊】清華大學新聞中心（Tsinghua University News Center）官網(wǎng)消息，人工智能視覺系統(tǒng)在自動駕駛、具身智能等領(lǐng)域中發(fā)揮著至關(guān)重要的作用。在傳統(tǒng)視覺芯片架構(gòu)中，由于傳感、計算和存儲單元的分離導致大量數(shù)據(jù)的轉(zhuǎn)換和傳輸，帶來了延時和能耗問題。受生物視覺系統(tǒng)啟發(fā)的感內(nèi)計算（in-sensor computing）架構(gòu)應運而生，因其能在傳感端進行原位信息處理，實現(xiàn)感存算一體化，減少數(shù)據(jù)冗余傳輸，降低系統(tǒng)延時與能耗，展現(xiàn)出巨大潛力。然而，視覺感內(nèi)計算研究尚處于起步階段，在硬件層面，當前研究大多聚焦于單個光電感存算一體化器件，缺少將大規(guī)模陣列與硅CMOS電路有效集成的方案；在算法架構(gòu)層面，當前演示的感內(nèi)計算功能較為單一，難以支撐復雜視覺信息處理任務。

針對上述挑戰(zhàn)，清華大學集成電路學院團隊研制了具有多模態(tài)的感存算一體化光電憶阻器陣列，搭建了單片集成的感內(nèi)計算原型系統(tǒng)，用于處理多階視覺任務。該系統(tǒng)片上集成了1kb（1024個）1T-1OEM光電憶阻器陣列與硅CMOS外圍電路（圖1），基于TiOx/ZnO的新型光電憶阻器具有多種工作模式，包括電學憶阻器（EM）、動態(tài)光電憶阻器（D-OEM）和非易失性光電憶阻器（NV-OEM）模式，這些模式可通過光電激勵引發(fā)的電荷密度分布變化來進行有效調(diào)控。通過為光電憶阻器陣列配置不同的工作模式，研究團隊成功演示了從低階到高階的智能視覺信息處理任務，具有高準確率與低能耗的優(yōu)勢，為復雜場景智能視覺應用提供了一個高效的硬件平臺。

研究團隊設(shè)計并制備了一種新型的雙層氧化物光電憶阻器，其結(jié)構(gòu)為Pd/TiOx/ZnO/TiN，在器件中引入TiOx界面層以增強阻變的穩(wěn)定性并提升光電響應。通過光電激勵可以調(diào)控器件三種不同的工作模式（圖2）：原始狀態(tài)為光電脈沖激勵下的動態(tài)響應模式、電壓脈沖激勵下的循環(huán)阻變模式以及在電學Forming后的非易失性光電響應模式。為進一步闡明光電憶阻器的多模態(tài)調(diào)控機制，團隊采用了差分相位對比掃描透射電子顯微鏡（DPC-STEM）這一前沿成像技術(shù)，精確觀測了光電調(diào)控過程中ZnO內(nèi)部電荷密度的分布變化，這些觀察結(jié)果為理解器件光電響應模式的調(diào)控提供了有力支撐。

在此基礎(chǔ)上，研究團隊進一步通過CMOS后道兼容工藝，將1024個1T-1OEM光電憶阻器單元組成的128×8陣列集成到硅基CMOS譯碼電路的上方，通過光電測試驗證該陣列具有良好的均一性與穩(wěn)定性，同時可以實現(xiàn)多比特編程（圖3）和感存算一體化功能。

基于該光電憶阻器陣列，研究團隊演示了多種場景的智能視覺信息處理任務：在圖像傳感預處理任務中，利用NV-OEM模式可以將圖像識別率從85.7%提升至97.6%；在高階認知任務中，利用D-OEM與NV-OEM陣列協(xié)同工作演示多目標定位跟蹤，在模擬環(huán)境噪聲的干擾下，通過多次訓練依然可以實現(xiàn)96.1%的高準確率；在此基礎(chǔ)上，首次構(gòu)建了基于全光電憶阻器的儲備池計算系統(tǒng)，由18個D-OEM模式器件構(gòu)成儲備池層和1024×5個EM模式器件構(gòu)成讀出層，在人體運動識別任務中以極低能耗實現(xiàn)了91.2%的準確率。

相關(guān)研究成果以“面向多場景感內(nèi)計算的全集成多模態(tài)光電憶阻器陣列”（Fully integrated multi-mode optoelectronic memristor array for diversified in-sensor computing）為題，于11月8日在線發(fā)表于《自然·納米技術(shù)》（Nature Nanotechnology）。查詢進一步信息，請訪問官方網(wǎng)站http://www.tsinghua.edu.cn/news/xsky.htm，以及https://www.nature.com/articles/s41565-024-01794-z。（Robin Zhang，產(chǎn)通數(shù)造）    （完）