近日，复旦大学芯片与系统前沿技术研究院在感存算一体智能视觉领域取得重要进展，相关成果以“Ferroelectric-defined reconfigurable homojunctions for in-memory sensing and computing”为题发表在Nature Materials上。
传统视觉架构包括空间上分离的传感器、存储器和计算单元，其中大量原始数据在整个信号链中的传输会导致高能耗和高时间延迟等问题（图1a）。随着物联网和人工智能的发展，人们追求减少或消除传统架构中传感器、存储器和处理器之间的数据传输接口。随着忆阻材料的出现，将存储和计算模块结合在一起的存内计算技术得到了广泛的发展。近年来，受多功能图像传感器的启发，结合了传感功能和计算功能的感内计算技术也得到了广泛的探索。集合感知、存储和计算三个功能模块的感存算一体架构更具有吸引力，也更具有挑战性。
为了推动解决这个问题，研究人员利用铁电畴调控实现了一种可编程的低维光电二极管阵列，将灵敏的图像探测、权值存储和高级计算的功能集成到了传感器阵列中。利用低维半导体材料进行光电探测，铁电栅介质的不同铁电畴状态存储权重信息，以及不同光电响应权值器件构建的网络连接进行神经网络运算，实现了感存算一体架构。铁电畴调控的可重构光伏型传感器阵列具有低功耗、低时间延迟、硬件结构简单等特征，为构建感存算一体智能视觉系统提供了新的思路。
研究团队利用铁电场调控p-n结型光电探测器实现了感存算一体视觉系统。将p-n结结构在光电探测中的优势与铁电材料在存储中的优势相结合，利用光强线性依赖的光电流产生过程（乘法运算）和基尔霍夫电流定律（求和运算）来实现矩阵向量乘积运算（图1b）。基于上述原理，光学图像信息可被铁电畴调控的感存算一体智能视觉芯片直接探测和识别，无需外部存储或处理单元，从而实现低延时和高能效。
团队研究了铁电局域场调控下器件的电学特性演变过程及用于感存算一体的基础特性，包括响应率线性调控能力，保持特性和疲劳特性等。特别地，铁电畴可以将半导体p-n结和n-p结进行非易失切换，使得器件具有双极性的光电权重调节。因此，该铁电调控的可重构传感器阵列自身可构筑为光电人工神经网络，直接对光图像信号进行分类，从而极大降低了延迟和功耗。该器件在计算-存储-传感三个方面均表现出感存算架构所需要的理想特性，包括（1）正负可调权重所支持的高级计算功能；（2）权值本地存储功能；（3）高灵敏图像传感能力。基于这些特性，传感器阵列可以执行原位矩阵向量乘积计算操作，并通过使用三合一卷积核的一步卷积操作获得了三个不同的图像特征。铁电畴定义的感存算一体光电二极管阵列被训练用来执行模式识别和分类任务，在没有任何外部存储器或计算单元的情况下命令机器狗运动，辅助机器狗实现像人一样看图识路。
复旦大学芯片院吴广健博士后和张续猛青年副研究员、华东师范大学冯光迪博士生为论文共同第一作者，复旦大学芯片院王建禄教授和刘琦教授、华东师范大学田博博教授为论文通讯作者。吴广健博士博后期间获得了“博新计划”、国家自然科学基金青年基金、上海市“超级博士后”、“旦芯人才”计划、“求索杰出青年”、博士后面上等项目资助。该项研究得到了刘明院士、褚君浩院士和段纯刚教授的指导。该项研究获得了国家重点研发计划、国家自然科学基金、上海市科技创新行动计划、博士后科学基金的相关项目资助。
图1.（a）不同传感计算架构流程示意图。（b）铁电场调控低维半导体能带构建可重构感存算一体器件。
全文链接：https://www.nature.com/articles/s41563-023-01676-0
