人工神经元可实现光学神经形态计算

沙特阿卜杜拉国王科技大学研究团队开发出一种人工神经元，可利用光电实现神经形态计算。新技术模仿突触或神经元功能，可适应和重新配置其对光的响应进而完成计算。这项突破性进展发表在最新一期《光：科学与应用》杂志上。

团队利用二维材料二硒化铪设计并制造了金属氧化物半导体电容器（MOSCap）。这种器件采用了垂直堆叠结构，其中二硒化铪夹在两层氧化铝之间，并放置在p型硅衬底上。顶部覆盖有一层透明的氧化铟锡，允许光线从上方进入。当二硒化铪纳米片被集成到电荷捕获存储器件中时，能实现光学数据传感和保留功能，使其在光源移除后仍能重新配置以感应光或存储光学数据。

图片:294785_63a47bc9-3b84-44e2-8ed4-15745d872562.png

新设计的光电器件可适应光线，模拟突触和神经元进行光学神经形态计算。

实验表明，MOSCap的电荷捕获和电容，会随着光照条件的变化而变化，从而能作为智能存储器，使用光信号进行训练和响应。例如，暴露于465纳米波长的蓝光，可增强对635纳米波长的红光的反应，这是一种被称为关联学习的行为。在神经形态计算中，MOSCap就像一个人工突触，能同时展示出长期增强（增加突触反应）和长期抑制（减弱突触反应）的能力。

团队进一步探索了这些人工神经元如何响应和适应不同强度、持续时间和波长的光刺激。仿真实验的预测显示，基于这些设备的电容式突触阵列电路，可在识别行业标准数据库中的手写数字任务中达到96%的准确率。此外，这些设备还展示了检测系外行星的潜力，通过识别恒星光强度的瞬态变化，其准确率高达90%。

研究表明，此类具有内存光传感功能的设备，非常适合边缘计算应用，尤其是在需要快速处理和存储大量光学数据的人工智能领域。其潜在的应用范围更为广泛，包括自动驾驶汽车、虚拟现实以及物联网系统等，为未来更具适应性和能源效率的解决方案铺平了道路。

相关链接：https://doi.org/10.1038/s41377-024-01698-6