你知道吗?每天早上睁开眼,眼睛视网膜也开始了一天的工作。

得益于波长敏感的视锥细胞、功能神经元和突触细胞,人眼视网膜能在传感端,对入射光的光谱组成进行感知、存储和预处理,从而实现彩色图像的高效探测、特征提取和准确识别,这一过程也被称为颜色自适应感知。

在物联网、大数据时代,图像信息的感知与处理无处不在,特别是彩色图像的感知与识别。

然而,基于传统电荷耦合器件或互补金属氧化物半导体传感器的彩色图像感知系统,依然存在数据大量冗余、信号转换过程复杂、以及“访存墙”瓶颈等问题。

因此,对于简化系统架构、减少数据搬运、提高信息处理效率来说,开发感存算融合的智能感知像元具有重要意义。

对于生物的生存和发展,自适应感知起着重要作用,比如含羞草的应激性、猪笼草的捕食行为,以及人眼对明暗环境的自适应调节等。

在仿生学中,拓展仿生自适应的感知系统,也已成为领域内的热门研究方向。而具有自适应感知能力的新材料,是这种系统的关键。

由于二维材料具有“表面即本体”的特点,故其物理特性极容易被外场调控,非常适合用于模拟生物的自适应感知行为。

近年来,鉴于具备整合传感、存储和处理等能力,基于栅控二维异质结的图像感知器件,在彩色图像识别和动态目标追踪等领域,展现出了巨大潜力。

但是,在异质结构的可控制备、与互补金属氧化物半导体工艺的兼容性、外围控制电路等方面,依旧存在诸多难题。

因此,能否直接利用二维材料本身的特性,实现不同颜色入射光的自适应感知?

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(1)

以人类视网膜为灵感,研发颜色自适应型感知器件

受到人类视网膜颜色自适应的启发,国防科技大学理学院量子信息研究所研究员江天团队,基于双层二硒化铂(PtSe2)研发一种颜色自适应型感知器件,可将不同颜色入射光的感知、存储和处理融为一体。即基于二维二硒化铂,该团队提出了一种关于视网膜拟态传感器的新策略,可用于分辨不同波长的光信息。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(2)

图丨郝昊(左)与江天(来源:江天)

研究中,课题组利用双层二硒化铂器件,构筑了基于颜色的拮抗感受野,在图像分类任务中实现了较高的图像分类精度。

相比已有的视觉感知器件,该视网膜拟态器件结构简单,无需复杂的外围控制电路,借此提供一种基于波长信息的图像分类方法,为开发低复杂度的智能人工视觉感知系统带来新策略,在图像分割、目标识别、动态追踪、飞行轨迹预测等领域具有潜在应用。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(3)

(来源:Advanced Materials)

此外,通过化学气相沉积法,可以大规模地制备双层二硒化铂,它不仅具有优异的空气稳定性,还能和互补金属氧化物半导体工艺兼容。

双层二硒化铂表面的光子能量,可以诱导氧气分子吸附和脱附,据此构筑的二硒化铂器件,展现出波长依赖的自发双极性光响应,无需栅控和复杂的外围控制电路,真正实现颜色的自适应感知。

近日,相关论文以《一种用于颜色自适应的仿生视网膜形态器件》(A Bioinspired Retinomorphic Device for Spontaneous Chromatic Adaptation)为题发表在Advanced Materials 上[1]。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(4)

图 | 相关论文(来源:Advanced Materials)

国防科技大学前沿交叉学科学院北京学科交叉中心讲师谭银龙是第一作者兼共同通讯作者,郝昊是共同一作,江天担任共同通讯作者。此外,该论文还被期刊编辑选在卷首页,并予以亮点报道。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(5)

从顶层架构设计出发,寻找模仿视网膜的绝佳材料

事实上,早在 2017 年,该团队就曾率先提出本能反应计算架构的新理念,力图从根本上解决 I/O 墙与访存墙的问题,并从顶层计算架构出发,指导底层材料和器件的制备,从而开发基于新材料的感存算融合计算架构。

起初,他们拟通过引入浮栅存储层的方式,以便实现器件光响应的灵活可调与长时记忆,使其具有更强的算法兼容性、以及更大的计算规模。

然而,由于所设计的器件从上至下包括六层结构,对介电层薄膜的质量要求极高,在器件加工方面面临巨大挑战。

江天表示:“2019 年郝昊博士加入本能计算研究课题组,他毕业于我校的王牌专业——计算机科学,也正是郝昊的加入,让本能计算架构从理想慢慢走向现实。”

期间,对于卷积神经网络算法中的各个网络层所实现的具体计算任务,郝昊做以自顶至下的剖析,并仿照生物神经系统架构,将不同的网络层划归为硬件实现与软件实现。

随后,郝昊又从最基础的光突触开始,一步步构建出硬件部分,然后将其抽象化,接着和软件部分加以有机结合,从而生成等效的神经网络。

接着,课题组又进行光突触器件的制备与测试、光突触互联方式的设计与研究、在时分复用光突触条件下完成了不同网络层的计算任务,最终实现神经形态计算的感算一体化,为未来采用非冯诺依曼体系结构实现具有高度生物可解释性的神经形态计算模型奠定了基础。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(6)

(来源:Advanced Materials)

不过,这只是研究人员迈出的第一步,对于浮栅存储型神经形态器件,在多层异质结的可控制备、互补金属氧化物半导体工艺的兼容性、外围控制电路的设计等方面依然面临诸多挑战。

比如,器件结构能否再简化?活性材料是否还有更合适的?对于该团队来说,聚焦低维材料的物性调控、以更简单的器件结构实现更高效的计算架构,一直是他们追求的目标。

2020 年,生物医学工程背景的谭银龙博士加入江天团队,前者开始从生物的角度重新思考本能反应计算的课题,期望从人眼视网膜的生物机制中获取灵感。

那时,谭银龙时常思考这样一个问题:作为一个精密的光学自适应感知系统,视网膜的信号调控手段主要基于化学分子的可逆转变,比如光漂白效应。

那么,对于感存算融合器件,是否也能通过分子的可逆掺杂,来调控光电响应,从而实现类似的效果?

随后,谭银龙开始在二维材料库中寻找,不久后二硒化铂进入他的视野。二硒化铂不仅具有优异的稳定性,还能通过表面吸附的氧气分子,去调控它在光响应的方向。

于是,谭银龙迅速开展实验,结果发现二硒化铂的正负光电导具有波长依赖性。他说:“这不就是模仿视网膜颜色自适应感知的绝佳材料吗?”

于是,兴奋的谭银龙与郝昊讨论:“我们之前的策略都是从栅控的角度去考虑,通过栅压调控实现双极性光响应,这也是二维仿生视觉传感器广泛采用的方法。”

但是,这种策略的问题在于:器件结构异常复杂,对外围电路的要求非常高,目前的工艺很难实现大规模制备。如果仅仅是两端器件,将会显著降低器件加工难度,从而实现大规模集成。

通过此次工作,从顶层算法设计、底层材料、到器件构筑,课题组也验证了基于波长信息的图像分类新策略,可以显著提高图像的分类精度。

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(7)

(来源:Advanced Materials)

仿生芯片的学习能力体现在哪里 国防科大团队研发仿生型视网膜形态器件(8)

探索新型感存算融合架构,为实现更高级的人工智能贡献力量

此外,尽管对于仿照人眼工作机制的可见光成像系统,学界已有深入的研究。但在中远红外波段工作的自适应传感系统研究上,依然进展缓慢,因为红外成像系统极易受到环境红外辐射的干扰,产生大量噪声数据。

同时,尽管通过软件算法可以一定程度地提升系统的智能性,但仍然存在识别精度差、目标丢失率高等问题。因此,如何从底层材料和器件设计入手构建中远红外波段自适应感知系统,是下一步的研究重点。

另一方面,智能时代对数据处理的要求越来越高,因此急需计算架构的创新。而类脑芯片、结合微电子技术以及神经形态器件,有望实现类似人脑的低功耗和并行信息处理能力,已经成为业界和学界的重要研究方向。

故此,探索新型感存算融合架构,从材料和器件创新入手寻找低功耗、低时延、高效率的仿生视觉解决方案是该团队未来的重点研究方向。

另据悉,江天将团队名字冠以“认知光子学”,对此他表示“认知”代表人类最高级的智能状态,而智能化则是光子学的发展趋势。

给团队命名为“认知光子学”,是基于多学科交叉的考虑。在人类追求更高级智能的道路上,随着计算机科学和光子学的发展,学科的局限性愈加明显,未来的光子计算、量子计算、类脑计算等前沿课题,必然要求光子学和计算科学的深度交叉融合。

赋予光电系统认知能力,是人们正在追求的终极智能目标。江天希望通过光子学基础研究,给高性能计算、自适应导航、大规模气象预测等学科带来赋能,为实现更高级的人工智能贡献自己的力量。

参考资料:

1.Tan, Y., Hao, H., Chen, Y., Kang, Y., Xu, T., Li, C., ... & Jiang, T. (2022). A Bioinspired Retinomorphic Device for Spontaneous Chromatic Adaptation. Advanced Materials, 2206816.

,