近日,西安电子科技大学永利皇宫463cc吴金建教授与中国科学院苏州纳米所赵建文研究员、香港大学Li Lain-Jong教授合作,在高性能光电神经形态器件以及基于硬件的脉冲神经网络算法方面取得了重要的学术成果。这一成果发表在《Advanced Science》(一区,IF=15.1),是我院师生首次在该国际顶级期刊发表的论文,题为Photoprogrammed Multifunctional Optoelectronic Synaptic Transistor Arrays Based on Photosensitive Polymer-Sorted Semiconducting Single-Walled Carbon Nanotubes for Image Recognition,西安电子科技大学姬怡希硕士与苏州纳米所隋念梓博士等为共同第一作者,吴金建教授、赵建文研究员、Li Lain-Jong教授为共同通讯作者。
人脑是集存储和计算于一体的高效神经网络,具有高度的自主学习能力,因此研发类脑计算机成为未来AI和机器人技术的迫切需求。突触是人脑中信息传递和处理的重要单元,人工突触器件的研制成为构建人工神经网络的关键步骤。因此,受人类启发,具有集成存储和并行处理能力的光学神经形态器件的发展为下一代人工视觉的发展提供了可能。
受此启发,文章中利用光敏共轭聚合物(poly[(9,9-二辛基芴基-2,7-二基)-co-(联苯)],F8T2)分类半导体单壁碳纳米管(sc-SWCNTs)作为通道材料,报道了新型宽带(从365 - 940 nm)和多级存储光电突触薄膜晶体管(TFT)阵列。
进一步地,文章中创新性地提出了基于神经形态设备的脉冲神经网络(spike Neural Network, SNN)算法来建模上述提出的宽带光电突触特性,以完成图像识别任务,以更快(约70个epoch)的速度和更准确(高达97.92%)的性能完成多特征图像的识别任务。更重要的是,本研究首次实现了通过不同频率的突触性能曲线从图像中提取不同特征的算法,并显著提高了识别任务的准确性和稳定性。
论文链接:
https://doi.org/10.1002/advs.202401794