曰本av中文字幕一区二区,强壮公的侵犯让我次次高潮,老汉的性生生活1一7

近年來，隨著神經形態視覺系統在自動駕駛車輛和機器人領域中的潛在應用，其發展已經獲得了迅速的動力。然而，基于硅技術的當前機器視覺系統通常包含光傳感器陣列、格式轉換、存儲和處理模塊，導致了數據在各單元之間的冗余傳輸，造成了較大的延遲和高能耗，嚴重限制了神經形態視覺芯片的性能。

具體來說，在當前機器視覺系統中，通常會存在以下問題：1. 數據在各個單元之間的傳輸會導致延遲增加和能耗上升；2. 圖像預處理和識別功能分散在不同的模塊中，導致了數據處理的復雜性和低效性；3. 光學圖像到電數字信號的轉換效率不高，影響了系統的整體性能。

成果簡介

為了解決這些問題，浙江大學李林軍研究員團隊提出了一種基于集成的二維MoS₂/Ag納米光柵光電晶體管陣列的人工神經網絡（ANN）架構。在該研究中，研究人員利用了光電協同作用，實現了器件的預處理功能，從而提高了后續圖像識別的效率和準確性。

具體地，他們設計了一種等離子光電晶體管陣列（PPTA），利用了等離子體納米結構中產生的熱電子，以模擬人類視網膜對光學顏色信息的響應。通過電動態調制柵電極，實現了圖像預處理功能，進一步通過訓練網絡來實現實時圖像識別。這樣一來，集成了圖像預處理和ANN的AVPRM架構有效地提高了圖像質量，并提高了圖像識別的效率和準確性。以上成果在Nature communications上發題為“High performance artificial visual perception and recognition with a plasmon-enhanced 2D material neural network”的研究論文，引起了廣泛關注。

圖文導讀

圖1展示了基于等離子光電晶體管陣列（PPTA）的人工神經網絡（ANN）架構，旨在模仿人類視覺系統的感知和識別功能。圖1a展示了2D PPT的結構，包括左側的2D MoS₂/Ag納米光柵集成結構和右側的2D MoS₂/h-BN/WSe₂異質結構。左側部分模擬了人眼視網膜對顏色信息的感知和預處理功能，右側部分實現了光電信號的處理和圖像識別功能。圖1b則顯示了PPTA的解體結構，每個像素被分成多個亞像素，并通過電路連接進行組合。圖1c和d展示了像素和亞像素的電路連接。圖1e描述了整個AVPRM的操作流程，包括圖像的感知、預處理和識別。圖1f展示了實際設備的掃描電子顯微鏡圖像，揭示了器件的結構。最后，圖1g顯示了亞像素的高分辨率掃描透射電子顯微鏡圖像，證實了其清晰的異質結構界面。這些研究結果為開發高效的機器視覺系統提供了理論和實踐基礎，通過整合感知、預處理和識別功能，使得圖像處理更加高效、精確，并具有潛在的廣泛應用前景。

圖1. 受人工視覺感知和識別模塊（AVPRM）啟發的二維人工神經網絡（ANN）等離子光電晶體管陣列（PPTA）。

圖2闡明了PPT的工作原理，包括光吸收和局域表面等離子體共振（LSPR）激發，熱電子注入和能帶傾斜等過程。首先，圖2a說明了在Ag納米光柵中發生的光吸收和LSPR激發，以及熱電子注入的過程。研究者發現納米光柵增強效應在熱電子的生成和傳輸中起到了關鍵作用。其次，圖2b描述了熱電子注入的過程，熱電子通過歐姆接觸迅速地被發射到MoS₂中，從而實現了光電子轉換。在圖2c中，研究者模擬了光柵周期的歸一化透射率映射，觀察到了拉比分裂現象，這是強耦合的一個顯著特征。圖2e、f展示了熱電子注入后的電勢平衡過程，通過能帶傾斜的過程實現了熱電子從左側傳輸到右側。圖2g、h說明了在光源開啟時通過施加側門電壓來調節通道電流的過程。

研究者通過圖2的分析，深入探討了二維PPT的工作機制。他們發現了納米光柵增強效應在熱電子的生成和傳輸中的關鍵作用，并通過模擬觀察到了拉比分裂現象，進一步驗證了強耦合的存在。此外，研究者還闡述了熱電子注入后的電勢平衡過程，并描述了通過調節側門電壓來調節通道電流的方法。

圖2. 二維PPTA機制的示意圖。

為了驗證AVPRM的功能實現，研究者展示了圖3中的實驗結果。他們首先設置了光學實驗和電學實驗，選擇了紅光λ=635 nm，并將其功率分成11個級別，以進行光電流測量。

在圖3a中，展示了不同光功率下對應的多狀態光電流，以灰度級形式呈現。通過這些光電流的測量，可以提取出圖像中每個像素的灰度級，如圖3b所示。進一步，他們通過測量不同波長的光的光電流，成功區分了紅色、綠色和藍色的圖像，如圖3c所示。接著，研究者在圖3d中展示了通過測量圖像中具有最大灰度級的像素的光電流，成功識別出圖像的顏色。他們還進行了關于器件性能的光電特性測量，并成功實現了線性光電響應的調節，以便后續的ANN訓練。

通過在圖3f中展示的ANN訓練過程，研究者成功將權重寫入陣列，并在圖3g中展示了陣列在每個訓練周期后的總輸出電流。隨著訓練周期的進行，電流明顯分離并穩定，最大電流對應于投影字母的標簽。圖3h顯示了器件在不同入射光功率下的轉移特性曲線，而圖3i則展示了通過在每個像素施加不同電壓來實現圖像預處理的過程，包括噪聲減少和對比度增強。因此，這些實驗結果驗證了AVPRM的功能實現，為其在圖像識別領域的應用奠定了基礎。

圖3. 二維PPTA的功能實現。

為了測試AVPRM芯片作為分類器的集成感知、預處理和圖像識別功能，研究人員使用了它來識別字母“z”、“j”和“u”。在圖4a中展示了用于訓練/操作網絡的光學設置示意圖。通過逐點掃描的方法將圖像投影到光敏二極管陣列上。圖4b展示了添加不同高斯噪聲（σ=0.2, 0.4）的輸入圖像以及經過預處理的圖像（σ=0.4）。預處理后的圖像明顯增強了字母的主要特征。在圖4c中，對比了進行圖像預處理和未進行圖像預處理的識別準確率。預處理后的圖像可以更快地達到100%的識別準確率。圖4d顯示了分類器的初始和最終響應性/權值，而圖4e展示了每個字母對應的測量電流和相應的目標端口代碼。每個代碼對應一個字母，通過后處理重新構建成字母，如圖4f所示。

為了評估整個網絡的性能，研究人員進行了時間分辨率的測量。為了說明PPTA的高速能力，研究人員使用了500 ns的脈沖激光源和電脈沖源進行了測量。在訓練后，PPTA作為分類器，并投射了兩個字母（“z”和“u”），并依次測量了三個通道的時間分辨信號。通過電輸出脈沖，不同的輸出代碼表示不同的圖像類型，證明了在約500 ns內的正確模式分類。這樣的系統可能為超快速和超低功耗的機器視覺開發提供了巨大潛力。

圖4. AVPRM作為分類器的操作。

總結展望

本研究在人類視覺系統的生物啟發下，利用二維光電晶體結構構建了一種人工視覺感知和識別模塊（AVPRM），為機器視覺技術的發展提供了新的思路和方法。通過在實驗中驗證器件的性能和功能，本研究為實現具有大動態范圍、高速度和低能耗的人工視覺系統奠定了基礎。此外，這種基于神經科學和納米光電子學的交叉研究，為人工智能領域的跨學科合作提供了一個范例，并有望推動相關領域的進一步發展和創新。

文獻信息

Zhang, T., Guo, X., Wang, P. et al. High performance artificial visual perception and recognition with a plasmon-enhanced 2D material neural network. Nat Commun 15, 2471 (2024). https://doi.org/10.1038/s41467-024-46867-8

原創文章，作者：Gloria，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2024/04/07/7571f1db95/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

浙江大學，最新Nature子刊！

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

浙江大學，最新Nature子刊！

相關推薦