图像识别准确率达到93%！光致VO2非易失相变及智能光电传感实现应用

　　近些年来，人工智能的应用技术主要包括语音类、自然语言处理类、视觉类以及基础硬件等，其中机械视觉技术是机器人自主行动的前提，能够实现计算机系统对外界环境的观察、识别和判断等功能，是人工智能范畴最重要的前沿分支之一。
 

　　人类从外界获取信息的途径约80%依赖于视觉，视网膜可以探测到光刺激，且可以进行初步的光信号处理，这种高效的视觉感知和认知学习过程启发了未来人工视觉系统的发展。神经形式视觉传感器具有高时域分辨率、高动态范围、低数据冗余和低功耗等优势。但传统的人工智能视觉系统各功能组件在物理上的分离，导致数据访问的延迟以及相对较高的功耗。
 

　　近日，中国科学院物理研究所/北京凝聚态物理国家研究中心光物理重点实验室研究员金奎娟与中科院院士杨国桢带领的L03组，围绕新型氧化物光电薄膜和智能光电传感物理的基本科学问题，探索开展了氧化物神经形态智能光电传感器件研究。
 

　　二氧化钒(VO2)是典型的强关联氧化物，存在多种同分异构相以及氧含量的细微差异导致的丰富VOx相，研究显示通过电场、光场、压力场等外场调控可以实现相与相之间转换。该团队提出了一种基于紫外光辐照/电解质调控VO2非易失相变的新型神经形态光电传感器，他们采用激光分子束外延方法生长了高质量的VO2/Al2O3薄膜，将其制备成光电晶体管结构并进行光电测试。
 

　　研究中团队发现，由于紫外光辐照在VO2薄膜中产生了氧空位，而光子能量低于其氧空位激活能的可见光只产生瞬态的光电响应。科研团队还在硅晶圆上通过磁控溅射技术生长了大面积VO2薄膜，并将其制备成神经形态传感器件阵列。这些在硅晶圆上生长的VO2薄膜具有与外延生长的VO2薄膜类似的光致非易失相变特性和多态可逆调控特性，证明了该新原理器件具有大规模集成潜力。同时，研究还证明了VO2在柔性智能光电传感器件应用的可能性。
 

　　研究基于新型的VO2神经形态光电传感器件构建了人工神经网络并对标准的MNIST手写数字图像进行识别，该神经形态紫外光电传感器件可以对随机引入RGB高斯噪声的图像进行预处理，并选择性识别其中包含的紫外信息。对于包含RGB高斯噪声的图像，识别准确率仅达到24%。相比之下，利用基于VO2的神经形态光电传感器对紫外光信息进行预处理后，图像的识别准确率达到93%，与原始MNIST图像的识别准确率相同。
 

　　此器件展现出良好的线性度、保持特性、硅基兼容性，构建了人工神经网络并演示了图像识别等功能。该项研究将传统红外光学材料VO2的应用拓展到紫外智能光电传感领域，为近传感器计算/传感器内计算设计提供了新选择。
 

　　相关研究成果以Photo-induced non-volatile VO2 phase transition for neuromorphic ultraviolet sensors为题，发表在《自然-通讯》上。
 

　　(资料来源：物理研究所)