【儀表網(wǎng) 研發(fā)快訊】人工智能視覺系統(tǒng)在自動駕駛、具身智能等領域中發(fā)揮著至關重要的作用。在傳統(tǒng)視覺芯片架構(gòu)中，由于傳感、計算和存儲單元的分離導致大量數(shù)據(jù)的轉(zhuǎn)換和傳輸，帶來了延時和能耗問題。受生物視覺系統(tǒng)啟發(fā)的感內(nèi)計算(in-sensor computing)架構(gòu)應運而生，因其能在傳感端進行原位信息處理，實現(xiàn)感存算一體化，減少數(shù)據(jù)冗余傳輸，降低系統(tǒng)延時與能耗，展現(xiàn)出巨大潛力。然而，視覺感內(nèi)計算研究尚處于起步階段，在硬件層面，當前研究大多聚焦于單個光電感存算一體化器件，缺少將大規(guī)模陣列與硅CMOS電路有效集成的方案；在算法架構(gòu)層面，當前演示的感內(nèi)計算功能較為單一，難以支撐復雜視覺信息處理任務。
 

　　針對上述挑戰(zhàn)，清華大學集成電路學院團隊研制了具有多模態(tài)的感存算一體化光電憶阻器陣列，搭建了單片集成的感內(nèi)計算原型系統(tǒng)，用于處理多階視覺任務。該系統(tǒng)片上集成了1kb(1024個)1T-1OEM光電憶阻器陣列與硅CMOS外圍電路(圖1)，基于TiOx/ZnO的新型光電憶阻器具有多種工作模式，包括電學憶阻器(EM)、動態(tài)光電憶阻器(D-OEM)和非易失性光電憶阻器(NV-OEM)模式，這些模式可通過光電激勵引發(fā)的電荷密度分布變化來進行有效調(diào)控。通過為光電憶阻器陣列配置不同的工作模式，研究團隊成功演示了從低階到高階的智能視覺信息處理任務，具有高準確率與低能耗的優(yōu)勢，為復雜場景智能視覺應用提供了一個高效的硬件平臺。
 

　　圖1.多模態(tài)感存算一體化光電憶阻器陣列：片上集成1kb光電憶阻器1T-1OEM單元和硅CMOS外圍電路

 

　　研究團隊設計并制備了一種新型的雙層氧化物光電憶阻器，其結(jié)構(gòu)為Pd/TiOx/ZnO/TiN，在器件中引入TiOx界面層以增強阻變的穩(wěn)定性并提升光電響應。通過光電激勵可以調(diào)控器件三種不同的工作模式(圖2)：原始狀態(tài)為光電脈沖激勵下的動態(tài)響應模式、電壓脈沖激勵下的循環(huán)阻變模式以及在電學Forming后的非易失性光電響應模式。為進一步闡明光電憶阻器的多模態(tài)調(diào)控機制，團隊采用了差分相位對比掃描透射電子顯微鏡(DPC-STEM)這一前沿成像技術(shù)，精確觀測了光電調(diào)控過程中ZnO內(nèi)部電荷密度的分布變化，這些觀察結(jié)果為理解器件光電響應模式的調(diào)控提供了有力支撐。
 

圖2.光電憶阻器的三種不同工作模式及其電荷密度分布變化
 

　　在此基礎上，研究團隊進一步通過CMOS后道兼容工藝，將1024個1T-1OEM光電憶阻器單元組成的128×8陣列集成到硅基CMOS譯碼電路的上方，通過光電測試驗證該陣列具有良好的均一性與穩(wěn)定性，同時可以實現(xiàn)多比特編程(圖3)和感存算一體化功能。
 

圖3.多模態(tài)光電憶阻器陣列的性能測試
 

　　基于該光電憶阻器陣列，研究團隊演示了多種場景的智能視覺信息處理任務：在圖像傳感預處理任務中，利用NV-OEM模式可以將圖像識別率從85.7%提升至97.6%；在高階認知任務中，利用D-OEM與NV-OEM陣列協(xié)同工作演示多目標定位跟蹤，在模擬環(huán)境噪聲的干擾下，通過多次訓練依然可以實現(xiàn)96.1%的高準確率；在此基礎上，首次構(gòu)建了基于全光電憶阻器的儲備池計算系統(tǒng)，由18個D-OEM模式器件構(gòu)成儲備池層和1024×5個EM模式器件構(gòu)成讀出層，在人體運動識別任務中以極低能耗實現(xiàn)了91.2%的準確率。
 

圖4.基于多模態(tài)光電憶阻器陣列實現(xiàn)多場景智能視覺任務處理
 

　　相關研究成果以“面向多場景感內(nèi)計算的全集成多模態(tài)光電憶阻器陣列”(Fully integrated multi-mode optoelectronic memristor array for diversified in-sensor computing)為題，于11月8日在線發(fā)表于《自然·納米技術(shù)》(Nature Nanotechnology)。
 

　　清華大學集成電路學院副教授唐建石、教授吳華強和北京信息科學與技術(shù)國家研究中心副研究員王鈺言為論文共同通訊作者，集成電路學院博士后黃河意(現(xiàn)為中國科學院微電子研究所副研究員)為論文第一作者。合作者包括清華大學戴瓊海院士、方璐教授、錢鶴教授、高濱副教授、姚鵬副研究員等。研究得到科技部重大項目、國家自然科學基金、北京信息科學與技術(shù)國家研究中心、北京集成電路高精尖創(chuàng)新中心、科學探索獎等的支持。