中国科大微电子学院龙世兵教授课题组与复旦大学芯片与系统前沿技术研究院刘琦教授课题组合作，利用深紫外（DUV）光电突触结合忆阻器的构架实现了基于储备池计算（RC）的指纹识别系统，相关成果以“In-sensor reservoir computing system for latent fingerprint recognition with deep ultraviolet photo-synapses and memristor array”为题于11月3日在线发表在学术期刊《Nature Communications》上。
深紫外光电探测器在深空探索、环境监测、生物信息识别等领域的角色举足轻重，然而高速智能化探测在DUV波段存在严重缺失。以传统的指纹识别系统为例（图1a），其中传感器、存储器和处理器的分离恶化了决策的延迟，并不可避免地增加了整体计算能耗。随着智能时代的来临，这类光信息应该以什么样的形式进行处理呢？在生物体中，光信息的采集通过视觉神经系统来完成，而光信息的处理通过中枢神经系统进行（图1b）。受此启发，合作团队提出通过感算和存算器件分别模拟神经突触的行为，来实现感存算一体化的光信息采集与处理（图1c）。
图1 基于光突触和忆阻器件阵列的RC系统。（a）以指纹识别为例的传统DUV图像识别系统的数据传输及处理模式。（b）生物视觉识别系统示意图，包括视网膜、视神经元和视皮层。（c）以光学突触为储备池输入层，忆阻器件阵列为读出网络层的感算RC系统。
合作团队基于富镓氧化镓材料设计，利用非晶材料的持续光电导效应，制备了具备短时程效应的光突触器件。通过4比特紫外光脉冲输入测试，构建了感算器件RC网络的映射关系，将图片信息通过紫外光转化为特征电流值（图2a）。最终，通过存算忆阻器阵列稳定的多态调控特性实现了对储备池输出的训练，实现了小规模的深紫外指纹识别功能。基于该硬件系统，采用定制化特征值策略，DUV指纹图像的高识别精度几乎与软件仿真结果相匹配（图2b,c）。该系统在训练后可达到100%的识别准确率，并且即使在15%背景噪声水平下也能保持90%的准确率，这与DUV波段的抗噪特性相符（图2d）。这种全硬件感算RC系统为高效的识别和安全应用提供了很好的参考原型，也对深紫外波段的智能光电器件发展具有重要参考意义。
图2 基于硬件感算RC系统的DUV指纹识别。（a）硬件光电RC系统的示意图，包括生成特征输出的光突触储备池层和执行网络训练的忆阻器读出层。模拟和硬件实验权重的（b）颜色映射图和 （c）统计直方图。（d）随机噪声对RC系统指纹识别准确率的影响。
该成果得到了审稿人的充分肯定：“这个原型系统将为感内储备池计算系统的发展提供更多思路，整个工作的主题非常有趣。”（“This prototype system … will provide more insight into emerging in-sensor reservoir computing. Overall, the topic of this work is truly interesting”）。
中国科大微电子学院博士生张中方为本文的第一作者，龙世兵教授、赵晓龙副研究员以及复旦大学芯片与系统前沿技术研究院的张续猛副研究员为本文的共同通讯作者。该成果得到了国家自然科学基金、中科院战略先导、中科院重点研发计划、广东省重点研发计划以及中国科大微纳研究与制造中心等的资助。
论文链接：https://www.nature.com/articles/s41467-022-34230-8
新闻稿转自：http://news.ustc.edu.cn/info/1055/81024.htm
