【儀表網 研發快訊】人工智能視覺系統在自動駕駛、具身智能等領域中發揮著至關重要的作用。在傳統視覺芯片架構中，由于傳感、計算和存儲單元的分離導致大量數據的轉換和傳輸，帶來了延時和能耗問題。受生物視覺系統啟發的感內計算(in-sensor computing)架構應運而生，因其能在傳感端進行原位信息處理，實現感存算一體化，減少數據冗余傳輸，降低系統延時與能耗，展現出巨大潛力。然而，視覺感內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，缺少將大規模陣列與硅CMOS電路有效集成的方案；在算法架構層面，當前演示的感內計算功能較為單一，難以支撐復雜視覺信息處理任務。
針對上述挑戰，清華大學集成電路學院團隊研制了具有多模態的感存算一體化光電憶阻器陣列，搭建了單片集成的感內計算原型系統，用于處理多階視覺任務。該系統片上集成了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的電荷密度分布變化來進行有效調控。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勢，為復雜場景智能視覺應用提供了一個高效的硬件平臺。
圖1.多模態感存算一體化光電憶阻器陣列：片上集成1kb光電憶阻器1T-1OEM單元和硅CMOS外圍電路
研究團隊設計并制備了一種新型的雙層氧化物光電憶阻器，其結構為Pd/TiOx/ZnO/TiN，在器件中引入TiOx界面層以增強阻變的穩定性并提升光電響應。通過光電激勵可以調控器件三種不同的工作模式(圖2)：原始狀態為光電脈沖激勵下的動態響應模式、電壓脈沖激勵下的循環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調控機制，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，精確觀測了光電調控過程中ZnO內部電荷密度的分布變化，這些觀察結果為理解器件光電響應模式的調控提供了有力支撐。
圖2.光電憶阻器的三種不同工作模式及其電荷密度分布變化
在此基礎上，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定性，同時可以實現多比特編程(圖3)和感存算一體化功能。
圖3.多模態光電憶阻器陣列的性能測試
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陣列協同工作演示多目標定位跟蹤，在模擬環境噪聲的干擾下，通過多次訓練依然可以實現96.1%的高準確率；在此基礎上，首次構建了基于全光電憶阻器的儲備池計算系統，由18個D-OEM模式器件構成儲備池層和1024×5個EM模式器件構成讀出層，在人體運動識別任務中以極低能耗實現了91.2%的準確率。
圖4.基于多模態光電憶阻器陣列實現多場景智能視覺任務處理
相關研究成果以“面向多場景感內計算的全集成多模態光電憶阻器陣列”(Fully integrated multi-mode optoelectronic memristor array for diversified in-sensor computing)為題，于11月8日在線發表于《自然·納米技術》(Nature Nanotechnology)。
清華大學集成電路學院副教授唐建石、教授吳華強和北京信息科學與技術國家研究中心副研究員王鈺言為論文共同通訊作者，集成電路學院博士后黃河意(現為中國科學院微電子研究所副研究員)為論文第一作者。合作者包括清華大學戴瓊海院士、方璐教授、錢鶴教授、高濱副教授、姚鵬副研究員等。研究得到科技部重大項目、國家自然科學基金、北京信息科學與技術國家研究中心、北京集成電路高精尖創新中心、科學探索獎等的支持。
所有評論僅代表網友意見，與本站立場無關。