近日，美国和韩国的研究人员宣布成功开发出一种多波长的光电突触。这种新型光电突触的特别之处在于，它可以在同一设备中进行光数据传感、存储和处理。
研究团队介绍称，由此产生的传感器内人工视觉系统，代表着处理效率和图像识别精度的重大进步，未来有望在机器视觉、自动驾驶汽车和机器人领域得到进一步的应用。
UCF研究人员正在开发的光电突触设备能让人工智能在任何地方工作都能运行，而不需要连接互联网。（图片来源：UCF先进材料处理与分析中心）
众所周知，传统的人工视觉系统为了提取相关信息，必须要筛选大量的冗余数据。在改进过程中，研究人员发现神经形态设备有潜力克服这些限制。然而，目前的方法仍然需要用上图像传感器——如相机和光电探测器，它们在实体上仍然与计算组件分离，而这样的设计安排可能会导致系统延迟、体积庞大和增加不必要的重量。
为了解决这个问题，研究人员创造了一种一体化的光电突触，它可以同时在紫外线、可见光、近红外和红外波长的范围内工作，进一步突破了之前只能够感知紫外线和可见光范围的系统存在的限制。
美国中佛罗里达大学（UCF）材料和工程学教授、这项研究的资深作者Tania Roy表示，这种光电突触使得光学数据传感、记忆和处理可以集成在同一个设备中，就像人眼一样：视网膜可以感知光学数据，而记忆和处理的任务则由突触和神经元完成。
在研究过程中，Roy和她的同事们利用了2D材料的多功能性——这种材料具有光敏性，可以用作图像传感器。该团队还借助了其他用于电荷捕获的独特特性来制造他们的设备。其中关键的一点是，他们将二硫化钼的持久光电导率与二碲化铂的广泛吸收结合起来，从而扩展了器件的波长范围。
值得注意的是，光电突触的堆叠结构具有高能带隙，可允许红外光通过二硫化钼的顶层。然后，光线会被位于下方的一层铂二碲化物薄膜吸收，从而产生光控效应。对于紫外线和可见光而言，这两层都会产生电子-空穴对（electron-hole pairs），并相应地改变器件的电导。
最终，研究人员开发了一个人工神经网络，并在一系列单波长和混合波长的模式识别任务中对这种光电突触进行了测试。例如，他们设计了一个包含数字“8”的混合波长图案，其中一半的数字是紫外的，另一半是红外的。基于一个包含800幅测试图像的数据集，研究人员观察到这种光电突触的识别准确率达到了70%-80%。
Tania Roy指出，这种多波长光电突触在人工智能领域有着巨大的潜力，比如自动驾驶汽车和机器人。他表示，该项目的下一步是建立一个人工神经网络，在硬件水平上使用一系列设备，以测试和比较模式识别的准确性与模拟结果。
