7月15日,香港理工大学柴扬课题组与北京大学、佐治亚理工大学和斯坦福大学展开合作,在Nature Nanotechnology上发表了长文Optoelectronic resistive random access memory for neuromorphic vision sensors。


视觉图像占据了人类各种感官信息来源80% 以上,人类视觉系统可以在非常复杂的环境当中识别各种不同的物体,因此通过模拟人类视觉系统来设计高效、低能耗的硬件视觉系统对未来的人工智能应用具有重大的意义。目前人工视觉系统通常通过发展成熟的数字技术来实现,包括用于感知和探测视觉信息的图像传感器、用于存储视觉信息的存储单元、以及用于处理复杂图像的信息处理单元。对于目前的人工视觉系统,常用的CMOS 图像传感器虽然可以实时探测光信号和图像特征,但同时会生成大量的冗余数据,占用了大量的存储空间,并且增大了能耗。


人类视觉系统与数字信息系统不同,视觉神经元不仅能够探测图像信息,并且能够先对图像进行第一阶段的预处理,然后再进一步传到大脑视觉皮层做复杂图像处理。除此之外,目前基于硬件的仿神经形态的人工视觉系统中,仿神经形态的处理单元并不能直接响应视觉(光)信息,而是在图像传感器将光信号转化为电信号之后,再对电信号进行处理。因此设计一种多功能器件,使得其能够将传感、存储和处理高度集成,这是对基于硬件的仿神经形态的人工视觉系统是具有重大意义的。

该研究工作展示了一种结构简单的两端光控阻变存储器(two-terminal optoelectronic resistive random access memory,ORRAM),不仅表现出了对光信息的探测和非易失性存储,同时也表现出了光可调控的生物突触行为,这种光控阻变存储器可应用于仿神经形态视觉传感器。在传统的CMOS图像传感器中,电导通常仅表现出于光照强度的线性关系,而与光照时间无关,与此不同的是,光控阻变存储器则可以表现出光控可调并且随时间变化的塑性。基于这种光可调控塑性,该器件阵列可以进一步模拟人眼视网膜,不仅实现对图像的探测,同时实现对图像的预处理功能,例如增强图像的对比度和降低背景噪音。在此基础上研究人员进一步设计模拟了基于ORRAM做图像探测和图像预处理,人工神经网络做后期图像识别的人工视觉系统。模拟结果表示在经过ORRAM对图像预处理后(降低背景噪音),图像识别率和处理效率有明显提升。ORRAM的设计将有利于今后设计简化电路的、高效的、低能耗的基于硬件的人工视觉系统。