浙江大学光电科学与工程学院李林军研究员团队，采用银纳米光栅局域表面等离激元与波导模式强耦合以及浮栅侧栅压调控相结合的方法，实现了超快速、低能耗、神经网络互联的光电晶体管阵列器件，并首次展示了集感知、预处理、智能计算于一体的高准确度彩色图像识别。研究成果以“High performance artificial visual perception and recognition with a plasmon-enhanced 2D material neural network”为题于2024年3月19日发表于《Nature Communications》。
信息技术发展日新月异带来了井喷式海量数据的产生，给基于传统冯•诺伊曼架构的存储和计算带来能耗和速度方面的严重挑战。近年来基于存算一体的类脑计算模式得到广泛关注和研究，其目标即是以极少的器件、极低的功耗、极快的速度实现对信息的实时处理。相比于纯光或纯电网络，光电融合的神经网络同时具有多功能、速度快、低功耗和与传统信息媒介兼容等优点，因此被广泛采用和研究。目前已报导的光电融合神经网络器件的研究主要用于对灰度图像的感知和智能识别任务，集中在降低能耗、提高速度和识别准确度方面，或是针对目标移动图像、图像动态范围等不同应用场景的针对性算法与器件功能匹配方面的研究。对彩色图像的快速感知、高准确度识别的研究报导很少，因此还不能实现完整的模拟人眼脑功能结合的人工视觉系统。
针对以上问题，李林军研究组通过在二维材料光电器件领域的长期探索，以实现集感知、预处理、智能计算为目标，设计制造出了微纳光电晶体管阵列器件（如图1所示）。在此基础上通过侧栅、源漏偏压调节神经网络的权重，并通过有监督学习的训练，实现对彩色图像的感知、预处理和高准确度识别。该器件阵列同时实现了极高动态范围（180dB），极低单脉冲能耗（2.4 × 10−17 J）和较快的计算速度（500ns/spike）。该工作首次展示了快速低能耗的类人眼脑功能结合的完整人工视觉系统。
图1 基于类人眼脑视觉系统设计的高性能光电晶体管阵列器件示意图
和器件的扫描电子显微镜图像。
单个的微纳光电晶体管是通过银光栅的局域表面等离激元与氧化铟锡波导模式的强耦合，并结合二维材料异质结构的热电效应和浮栅效应，实现了快速且高效光电转化（如图2所示）。
图2. 单个等离激元强耦合光电晶体管结构和高效光电转化原理示意图。
通过改变单个光电晶体管的偏压，调节光电晶体管阵列的单元光电响应度（对应神经网络权重值），根据欧姆定律和基尔霍夫电流加和原理，对输出的通道值与设定的目标值进行计算，调节权重，达到神经网络训练的目的。由于侧栅赋予的预处理功能的加入，使得达到高精度识别的训练过程大为缩短，进一步实现了能耗的降低（如图3所示）。
图3. 光电晶体管阵列对图像预处理和高效训练高准确度识别结果。
以上研究结果是该团队在以超快低能耗感存算光电应用为目标，以低维关联电子材料器件为载体的近期阶段性成果，主要由李林军研究员指导博士生张天完成，光电学院童利民教授等参与指导。由于高质量介电材料镀膜工艺的限制，该工作中浮栅器件的独特非易失性还没能实现，影响了器件功耗的进一步降低和多功能的实现。该团队将继续探索包括铁磁、铁电、超导、等离激元在内的关联电子体系的特殊光电响应性质及其潜在的应用。在后摩尔时代，聚焦对关联电子材料或者拓扑量子材料等不同于传统半导体材料的新型光电响应性质及其在智能感知计算应用的探索，将是对算力，功耗问题的富有潜力的解决方案之一。
该团队之前还通过研究低维量子材料的相变过程，研发了用于宽波段高响应度的光电探测器件，从紫外到中远红外区域（0.3-10微米）实现了最低值超过10A/W的响应度，有望用于制造基于单一材料的低成本超宽波段光谱分析设备。文章于2024年2月发表在综合性期刊Advanced Science上。
论文链接：
https://www.nature.com/articles/s41467-024-46867-8#article-comments
https://www.sohu.com/a/747667031_121124715
