北京大学集成电路学院/集成电路高精尖创新中心黄如-杨玉超教授团队研究报道了基于忆阻器的视觉神经形态计算芯片，该芯片采用光晶体管-忆阻器（One-phototransistor-one-memristor，1PT1R）阵列实现，具备光图像的感存算一体功能，用于实现光图像的在线训练与识别。作者利用光晶体管作为忆阻器阵列的选通器（selector）构建了一种具有高线性光可调电导权重，抗串扰与硅工艺兼容特性的光晶体管-忆阻器阵列芯片，解决了目前忆阻器视觉神经形态器件的非线性电导权重调节、器件一致性差、阵列串扰、硅工艺兼容性不足等重要问题。
此外，光晶体管-忆阻器（One-phototransistor-one-memristor，1PT1R）阵列被应用于视觉感存一体计算任务，具备高速光图像在线学习与高精度识别功能。相关成果以“One-phototransistor-one-memristor Array with High-linearity Light-tunable Weight for Optic Neuromorphic Computing”为题，发表在《先进材料》（Advanced Materials）上。
北京大学集成电路学院/集成电路高精尖创新中心2020级博士生党丙杰为第一作者，杨玉超教授、黄如院士为通讯作者。
随着物联网技术、自动驾驶等智能技术的快速发展，用于人工视觉信息感知的图像传感器数量急剧增加。此外，随着智能电子系统对于图像传感器的像素密度和帧速率要求的提高, 图像处理已成为典型的数据密集型计算任务。传统人工视觉系统通常采用成熟的CMOS技术实现，包括用于感知视觉信息的图像传感器、用于存储视觉信息的存储单元以及用于处理复杂图像的信息处理单元。由于传统人工视觉系统不同的功能要求和制造技术使得传感器与计算单元物理分离, 这使得在图像传感器节点的数据处理过程中产生了非结构化和冗余的数据。因此，图像传感器终端需要从本地获取大量原始数据，并将其传输到本地计算单元或云端计算系统，这使得传统人工视觉系统在能耗、响应时间、数据存储、通信带宽和安全性方面产生了严重问题。
基于忆阻器的视觉神经形态器件可以融合视觉信息感知、存储、计算功能，从而降低了图像传感器从感知到计算过程中的计算延迟与冗余数据存储。然而，目前基于光致忆阻效应的视觉神经形态器件与阵列仍然面临非线性权重更新、器件一致性差、硅工艺不兼容、电导漂移、可区分电导状态数少、状态保持时间短、阵列串扰等非理想特性，这导致难以使用目前的忆阻器视觉神经形态器件实现具有高精度、高可靠性的大规模视觉神经形态计算硬件集成阵列与芯片。
为解决现有忆阻器视觉神经形态器件与阵列面临的诸多非理想特性与问题，北京大学集成电路学院/集成电路高精尖创新中心黄如院士-杨玉超教授团队首次采用光晶体管作为忆阻器阵列的选通器（selector），解决了当前视觉神经形态器件阵列的串扰和集成问题，实现了基于光晶体管-忆阻器阵列的视觉感存一体计算硬件系统。与目前的视觉神经形态计算器件与阵列相比，基于光晶体管-忆阻器（1PT1R）的集成阵列具有高线性电导权重可调特性、稳定电导状态、大量的电导状态数（500 levels）、低写操作延迟（100 μs）和低涨落性(σLTP = 0.29 %，σLTD = 0.22 %) 等优点。此外，研究团队采用光晶体管-忆阻器（1PT1R）的集成阵列构建了光人工神经网络（OANN），可支持图像的在线加速训练与识别任务，实现了高达99.3%图像识别准确率，为构建基于忆阻器的大规模视觉感存一体计算芯片研究提供了可行的解决方案。
图1. 具有高线性电导权重可调的1PT1R视觉神经形态器件
图2. 基于1PT1R阵列的视觉神经形态硬件计算系统
相关研究成果以“One-phototransistor-one-memristor Array with High-linearity Light-tunable Weight for Optic Neuromorphic Computing”为题，在线发表于《先进材料》（Advanced Materials）上。北京大学集成电路学院/集成电路高精尖创新中心2020级博士生党丙杰为第一作者，杨玉超教授、黄如院士为通讯作者。
黄如院士-杨玉超教授团队长期深耕忆阻器、类脑计算、存算一体智能芯片研究，迄今为止累计发表Nature Electronics、Nature Reviews Materials、Nature Nanotechnology、Nature Communications、Science Advances、IEDM等期刊和会议论文130余篇，2篇入选TOP 0.1% ESI热点论文，11篇入选TOP 1% ESI高被引论文，研究工作在国际上形成重要影响力。
该研究工作得到了国家重点研发计划、国家杰出青年基金、国家自然科学基金委后摩尔重大研究计划、111计划等项目以及北大-百度基金、霍英东教育基金会和腾讯基金会的支持。
参考文献
Dang, B., Liu, K., Wu, X., Yang, Z., Xu, L., Yang, Y., Huang, R., One-phototransistor-one-memristor Array with High-linearity Light-tunable Weight for Optic Neuromorphic Computing. Adv. Mater. 2022, 2204844.
文章链接：
https://doi.org/10.1002/adma.202204844
