【
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(lǐng)域中發(fā)揮著至關(guān)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(dǎo)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(yīng)運而生,因其能在傳感端進(jìn)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(dāng)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(dāng)前演示的感內(nèi)計算功能較為單一,難以支撐復(fù)雜視覺信息處理任務(wù)。
針對上述挑戰(zhàn),清華大學(xué)集成電路學(xué)院團(tuán)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(wù)。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(xué)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(jìn)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(tuán)隊成功演示了從低階到高階的智能視覺信息處理任務(wù),具有高準(zhǔn)確率與低能耗的優(yōu)勢,為復(fù)雜場景智能視覺應(yīng)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(tuán)隊設(shè)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(qiáng)阻變的穩(wěn)定性并提升光電響應(yīng)。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(yīng)模式、電壓脈沖激勵下的循環(huán)阻變模式以及在電學(xué)Forming后的非易失性光電響應(yīng)模式。為進(jìn)一步闡明光電憶阻器的多模態(tài)調(diào)控機(jī)制,團(tuán)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(yīng)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(chǔ)上,研究團(tuán)隊進(jìn)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(tuán)隊演示了多種場景的智能視覺信息處理任務(wù):在圖像傳感預(yù)處理任務(wù)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(rèn)知任務(wù)中,利用D-OEM與NV-OEM陣列協(xié)同工作演示多目標(biāo)定位跟蹤,在模擬環(huán)境噪聲的干擾下,通過多次訓(xùn)練依然可以實現(xiàn)96.1%的高準(zhǔn)確率;在此基礎(chǔ)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(wù)中以極低能耗實現(xiàn)了91.2%的準(zhǔn)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(wù)處理
相關(guān)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(xué)集成電路學(xué)院副教授唐建石、教授吳華強(qiáng)和北京信息科學(xué)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(xué)院博士后黃河意(現(xiàn)為中國科學(xué)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(xué)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(xué)基金、北京信息科學(xué)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(xué)探索獎等的支持。
所有評論僅代表網(wǎng)友意見,與本站立場無關(guān)。