傳統的人工智能（AI）機器視覺技術基于馮·諾依曼架構，使用獨立的傳感、計算和存儲單元來處理傳感終端中產生的海量視覺數據。然而，冗余數據在傳感器、處理器和存儲器之間的頻繁傳輸會導致高功耗和高延遲。一種更有效的方法是將部分存儲和計算任務分擔給能夠同時感知和處理光信號的傳感器元件。

據麥姆斯咨詢報道，近日，國科大杭州高等研究院、中國科學院上海技術物理研究所、中國科學院大學、中國科學院合肥智能機械研究所、江淮前沿技術協同創新中心、俄羅斯科學院微電子技術和高純材料研究所的研究人員組成的團隊在Light: Science & Applications期刊上發表了題為“Graphene/MoS2?xOx/graphene photomemristor with tunable non-volatile responsivities for neuromorphic vision processing”的論文，提出了一種基于2D石墨烯/氧化二硫化鉬/石墨烯（Graphene/MoS2-xOx/Graphene，G/M/G）架構的雙終端非易失性光憶阻器，實現了光響應狀態的計算完整邏輯。本文提出的G/M/G光憶阻器不僅為神經形態視覺硬件提供了多功能的傳感-存儲-計算方法，而且實現了高密度集成。

圖1 G/M/G光憶阻器及其位移和收縮磁滯電流-電壓特性

人類視覺系統具有強大的視覺感知能力，且僅需消耗不到20瓦的功率。這些特性主要歸功于視網膜中對視覺信息的同步感知和早期處理以及視覺皮層中的并行處理。例如，為了高效地丟棄冗余視覺數據并加速視覺皮層中的后續處理任務，人類視網膜可以通過可塑性正、負光響應提取視覺數據的關鍵特征。受人類視覺系統的啟發，人們已開發出具有感知能力的AI機器視覺技術。

通常，在傳統的視覺系統中，光學信息由基于幀的數字相機捕獲，然后數字信號由機器學習算法處理。在這種情況下，海量數據（大部分是冗余的）必須從獨立的傳感元件傳輸到處理單元，這導致了高延遲和高功耗。為了解決這一問題，人們已致力于開發一種通過模擬人類視網膜某些功能的傳感器內計算技術，例如，金屬-半導體-金屬可變靈敏度光電探測器（VSPD）、可重構2D半導體光電二極管、柵極可調諧范德華異質結構等。

上述傳感器構成了一種嵌入式的可同時感知和處理圖像的人工神經網絡。然而，挑戰仍然存在?；诮饘?半導體-金屬結構的VSPD具有偏置依賴的暗電流，而基于可重構2D材料的神經網絡圖像傳感器是易失性的，需要持續的柵極電壓來更新權重。為了開發具有可調諧光響應的非易失性光電探測器，需要復雜的器件設計或制造工藝，例如，使用浮柵或鐵電柵電介質。因此，為了高效地處理如此海量的數據并降低功耗，有必要開發一種高密度集成的具有簡單架構的非易失性光電探測器件。

耦合電子-離子憶阻系統通過記憶先前電輸入的歷史來調整多個電阻狀態，從而模擬生物突觸。憶阻器的導電率隨外部偏置電壓而變化，同時保持著非易失性電阻狀態。此外，基于憶阻器的交叉陣列可以通過歐姆定律和基爾霍夫定律高效地執行矩陣-矢量積運算，實現節能的內存計算。

在本論文中，作者們提出了一種基于2D石墨烯/氧化二硫化鉬/石墨烯架構的非易失性光憶阻器，可重構的響應度可以通過電荷和/或光子通量調制，并進一步存儲在器件中。這種G/M/G非易失性光憶阻器具有簡單的雙終端架構，其中光激發載流子和氧相關離子耦合，導致電流-電壓特性中的位移和收縮磁滯。G/M/G光憶阻器組實現了光響應狀態的計算完整邏輯，同一光憶阻器可同時作為邏輯門和存儲器。本文首次以非易失性光響應作為變量，而不是光、電壓和記憶電阻等物理狀態變量。

通過使用MoS2納米晶體（NC）和CVD生長的石墨烯作為電極，他們制造了G/M/G光憶阻器，如圖1（a）所示。MoS2納米晶體是通過液相剝離（LPE）方法制備的。為了研究雙終端G/M/G光憶阻器中的非易失性光響應性切換的機制，他們對較薄的MoS2-xOx結構進行了原位拉曼分析，以便能夠表征底層石墨烯電極。此外，提出的G/M/G光憶阻器陣列通過多狀態光響應實現了圖像預處理和識別，為未來實現感知網絡提供了可能性。

圖2 G/M/G光憶阻器的光響應切換機制

圖3 基于G/M/G光憶阻器的圖像預處理和分類

綜上所述，研究團隊提出了一種簡單雙終端G/M/G架構的可調諧非易失性光憶阻器。該G/M/G光憶阻器可以在零外部電壓下以非易失性模式存儲和讀取多個光響應狀態。通過模擬人類視網膜的生物功能并設計特定的器件架構，這些G/M/G光憶阻器可以作為神經網絡，并實現神經形態的視覺處理和由電、光刺激共同觸發的完全光響應狀態邏輯運算。這種新型的雙終端G/M/G光憶阻器不僅為神經形態視覺硬件提供了多功能的感知-存儲-計算方法，而且實現了高密度集成。

審核編輯：劉清