CN111370526A - 一种视网膜形态光电传感阵列及其图片卷积处理方法 - Google Patents

一种视网膜形态光电传感阵列及其图片卷积处理方法 Download PDF

Info

Publication number
CN111370526A
CN111370526A CN202010189068.4A CN202010189068A CN111370526A CN 111370526 A CN111370526 A CN 111370526A CN 202010189068 A CN202010189068 A CN 202010189068A CN 111370526 A CN111370526 A CN 111370526A
Authority
CN
China
Prior art keywords
substrate
electrode
photoelectric
layer
dielectric layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010189068.4A
Other languages
English (en)
Other versions
CN111370526B (zh
Inventor
缪峰
梁世军
王晨宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN202010189068.4A priority Critical patent/CN111370526B/zh
Priority to US17/769,609 priority patent/US20240136461A1/en
Priority to PCT/CN2020/081313 priority patent/WO2021184407A1/zh
Publication of CN111370526A publication Critical patent/CN111370526A/zh
Application granted granted Critical
Publication of CN111370526B publication Critical patent/CN111370526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/08—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof in which radiation controls flow of current through the device, e.g. photoresistors
    • H01L31/10—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof in which radiation controls flow of current through the device, e.g. photoresistors characterised by potential barriers, e.g. phototransistors
    • H01L31/101—Devices sensitive to infrared, visible or ultraviolet radiation
    • H01L31/112—Devices sensitive to infrared, visible or ultraviolet radiation characterised by field-effect operation, e.g. junction field-effect phototransistor
    • H01L31/113—Devices sensitive to infrared, visible or ultraviolet radiation characterised by field-effect operation, e.g. junction field-effect phototransistor being of the conductor-insulator-semiconductor type, e.g. metal-insulator-semiconductor field-effect transistor
    • H01L31/1136—Devices sensitive to infrared, visible or ultraviolet radiation characterised by field-effect operation, e.g. junction field-effect phototransistor being of the conductor-insulator-semiconductor type, e.g. metal-insulator-semiconductor field-effect transistor the device being a metal-insulator-semiconductor field-effect transistor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
    • H01L27/14—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation
    • H01L27/144—Devices controlled by radiation
    • H01L27/146—Imager structures
    • H01L27/14601—Structural or functional details thereof
    • H01L27/14609—Pixel-elements with integrated switching, control, storage or amplification elements
    • H01L27/1461—Pixel-elements with integrated switching, control, storage or amplification elements characterised by the photosensitive area
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
    • H01L27/14—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation
    • H01L27/144—Devices controlled by radiation
    • H01L27/146—Imager structures
    • H01L27/14601—Structural or functional details thereof
    • H01L27/14609—Pixel-elements with integrated switching, control, storage or amplification elements
    • H01L27/14612—Pixel-elements with integrated switching, control, storage or amplification elements involving a transistor
    • H01L27/14616—Pixel-elements with integrated switching, control, storage or amplification elements involving a transistor characterised by the channel of the transistor, e.g. channel having a doping gradient
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/02—Details
    • H01L31/0224—Electrodes
    • H01L31/022408—Electrodes for devices characterised by at least one potential jump barrier or surface barrier
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/0248—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof characterised by their semiconductor bodies
    • H01L31/0256—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof characterised by their semiconductor bodies characterised by the material
    • H01L31/0264—Inorganic materials
    • H01L31/032—Inorganic materials including, apart from doping materials or other impurities, only compounds not provided for in groups H01L31/0272 - H01L31/0312
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/18—Processes or apparatus specially adapted for the manufacture or treatment of these devices or of parts thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/47—Image sensors with pixel address output; Event-driven image sensors; Selection of pixels to be read out based on image data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Electromagnetism (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Inorganic Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Solid State Image Pick-Up Elements (AREA)

Abstract

本发明公开了一种视网膜形态光电传感阵列及其图片卷积处理方法，该光电传感器件其是在基底上具有底电极、电介质层、沟道层、源电极和漏电极的垂直堆叠的异质结结构，所述源电极和漏电极相互对峙，并置于所述沟道层的两端，所述底电极、源电极和漏电极的材料为柔性电极所用材料、惰性金属或者半金属，所述电介质层的材料为绝缘材料，所述沟道层材料为双极性材料，所述基底包括衬底以及生长于衬底表面的绝缘材料层。本发明利用新材料的物理特性，设计全新的类脑光电传感器件，更好模拟人类视觉系统的细胞功能，实现了同时传感、信息处理和识别的可重构人工神经网络。

Description

一种视网膜形态光电传感阵列及其图片卷积处理方法
技术领域
本发明涉及光电传感器、视觉芯片、人工神经网络、半导体制备工艺的交叉领域，具体涉及一种视网膜形态光电器件、其制造方法及具有该光电器件的光电传感阵列以及光电传感阵列用于对输入的视觉信息进行加工和识别的应用。
背景技术
视觉系统是人体感知外界信息的主要途径。有研究表明，通过视觉系统传输的信息量可以占到感知信息总量的80％以上。因此，通过对视觉系统建模，并利用计算机进一步发挥其功能，研究人员开辟出了计算机视觉这一研究方向。自上世纪60年代以来，计算机视觉迅猛发展，被广泛应用于各个领域，如制造、医疗、军事、安防等。在某些特定方面，计算机视觉已经取得了和人类相当，甚至优于人类的成果。
但是，天然的生物视觉系统仍然在功能和效率上具备巨大的优势。例如，人体视觉系统具有对于不同亮度的环境自动适应的特性，其探测的亮度范围横跨9个数量级(10-3-106cd/m2)；通过眼球控制运动，人眼可以快速自动的追踪正在发生偏移的目标；利用视神经节细胞的稀疏编码功能，视网膜处产生的视觉信息(等效于超过1亿像素的高清图片)可以低延时的传输到视觉皮层并被正确解码；小样本学习的能力可以使得视觉系统在输入少数图像样本之后，便可以快速学习样本特征并实现识别；在实现以上功能的同时，人脑的功耗是20W，工作频率低至～10Hz，功耗密度(Power Density)只有现有通用处理器的千分之一。因此，为了进一步的将人类视觉系统的优势与现有的计算机视觉成果相结合，研究人员提出了“神经形态视觉芯片”这一概念，目的就是通过对人体视觉系统的结构和功能上的模拟，将其在功能和功耗上的巨大优势应用在计算机视觉领域。
该领域诞生于超大规模集成电路发展早期，加州理工大学的卡尔-米德教授率先提出，可以通过设计特殊的CMOS集成电路，来模拟视网膜中发生的视觉信息早期处理过程，提升信息的处理效率。米德教授的研究团队利用蜂窝状电路结构，成功对视网膜中的感光细胞和双极性细胞进行了仿生，实现了诸如边缘识别，大范围亮度响应等功能；另外，视觉系统将信号的采集和早期处理紧密结合，并对后期处理进行分层的特点，也被借鉴并形成了信号采集、存储、处理一体化的计算架构；而进入二十一世纪以来，参考了视觉系统的信息处理模式，研究人员又提出了帧驱动和事件驱动两种信息处理驱动模式，实现了更为高效的神经形态视觉处理系统。
然而，这一领域还面临着很多问题：例如，利用基于CMOS的集成电路来模拟视网膜中的细胞，会导致电路复杂程度的增加，降低视觉芯片的填充因子；快速发展的3D集成电路依然无法制备出类似视网膜的垂直分层结构；现有的计算架构在功耗上还是无法与生物视觉系统相提并论。此外，更重要的是，目前的神经形态视觉处理系统中的视觉探测器和处理器是分离的，对于目标物的识别最终需要在专有的加速器上完成。目前尚未存在一种光电探测器，其本身不仅可以同时进行视觉信息探测和处理，而且还具有学习和推理的能力，能够实时识别出目标物。
发明内容
发明目的：为了克服现有技术的不足，本发明提供一种网膜形态光电器件、其制造方法及具有该光电器件的光电传感阵列，其解决模拟视网膜中的细胞导致电路复杂，功耗高以及由于视觉探测与处理器的分离造成的处理速度慢、光电传感器和视觉信息处理器以及人工神经网络分离的问题。
技术方案：本发明所述的一种视网膜形态光电器件，其是在基底上具有底电极、电介质层、沟道层、源电极和漏电极的垂直堆叠的异质结结构，所述源电极和漏电极相互对峙，并置于所述沟道层的两端，所述底电极、源电极和漏电极的材料为柔性电极所用材料、惰性金属或者半金属，所述电介质层的材料为绝缘材料，所述沟道层材料为双极性材料，所述基底包括衬底以及生长于衬底表面的绝缘材料层。
进一步地，包括：
所述衬底材料包括硅、聚酰亚胺或聚二甲基硅氧烷，所述生长于衬底表面的绝缘材料层采用的材料为氧化硅、氧化铝、铪锆氧或氮化硼。
进一步地，包括：
所述沟道层的双极性材料为石墨烯、硒化钨、碲化钼、黑磷或硒化钯。
进一步地，包括：
所述电介质层的材料为氮化硼、氧化硅、氧化铝和铪锆氧中任一种或多种组成。
一种视网膜形态光电器件的制造方法，该制造方法包括：
S1在基底表面制备出底电极；
S2在底电极上直接获得电介质层或在底电极上首先获得电介质层材料，再利用材料转移方法将不同种的电介质层材料垂直堆叠，制备具有多层结构的电介质层；
S3在电介质层上直接生长沟道层的双极性材料；或者首先获得沟道层的双极型材料，然后利用材料转移的方法将双极型材料转移到电介质层上，形成沟道层；
S4在沟道层表面制备源电极和漏电极。
进一步地，包括：
所述S2中，底电极上直接获得电介质层的方法为化学气相沉积法、化学气相传输法、分子束外延法、原子层沉积法或水热法。
进一步地，包括：
所述S3中，在电介质层上直接生长沟道层的双极性材料的方法为化学气相沉积法、化学气相传输法、分子束外延法、原子层沉积法或水热法。
进一步地，包括：
所述S1中，在基底表面制备出底电极的方法为：
S11采用紫外光刻法、电子束光刻法或掩膜版法在衬底上制备设计好底电极形状；
S12制备出底电极。
一种视网膜形态光电传感阵列，其具有上述的视网膜形态光电传感器件。
一种根据视网膜形态光电传感阵列实现的视觉图片卷积处理方法，该方法包括：
(1)在光电传感器阵列的每个光电器件上中设置位线，每一行的光电器件对应的位线串联，在每个光电器件上设置信号线，每一列的光电器件对应的信号线串联，所述位线和信号线为阵列中特定位置的光电传感器件施加源漏电压；
(2)在光电传感器阵列的每个光电器件上中设置字线，用于为阵列中特定一行的光电传感器件施加背栅电压；
(3)利用位线和字线为交叉的特定一列中的光电传感器件输入对应电压，同时将背栅电压通过字线输入给对应的光电器件，完成部分卷积运算，并输出结果，即：
Figure BDA0002414172910000031
其中，
Figure BDA0002414172910000032
为第m行第1列的背栅电压值，Pm1为第m行第1列上光电器件的视觉图片信息输入，
Figure BDA0002414172910000033
为第m行第1列的光响应度；m为卷积核的总行数；
(4)根据步骤(3)的方法采用m×m的卷积核完成整个光电传感器阵列的卷积运算。
一种根据视网膜形态仿生光电传感器阵列实现的视觉图片识别方法，其特征在于，该方法包括：
步骤1、将待识别信息输入到光电传感器阵列中，并将所有光电器件的背栅电压设置为0V；
步骤2、随后采集光电传感器阵列的输出电流I，并将它输入到下面的Sigmoid激活函数：
f＝(1+e-αI)-1
其中，I即为光电传感器阵列的输出电流，α为归一化系数；
步骤3、计算出激活函数f的值后，与目标值进行比较后，然后作出判断并根据下面的公式执行误差反向传播操作：
Figure BDA0002414172910000041
其中，δk为第k次训练时所用的误差，
Figure BDA0002414172910000042
为第k次训练时的理论输出值，fk为第k次训练时的Sigmoid激活函数的输出值；
步骤4、误差随后传递到第一层后，通过下面的函数关系实现对光电传感器阵列中初始的背栅值进行更新：
Figure BDA0002414172910000043
其中，n为步长，β为栅压变化的步长，P为视觉图片信息的输入，round为四舍五入求整函数，conv为卷积函数，以此完成一个训练流程；
步骤5、循环步骤1-4，直到步骤3中计算出的误差接近或者等于0，即，从所有输入图片中成功识别出目标图片。
有益效果：1、本发明利用新材料的物理特性，设计全新的视网膜形态光电传感器件，更好地模拟人类视觉系统的细胞功能，优化器件性能并降低电路复杂程度；2、本发明的光电传感器阵列可以同时实现视觉信息的探测、处理和识别的卷积神经网络，通过调节光电器件中每一个像素器件的栅压，这种光电器件可以被重构成为不同的卷积神经网络，用于实现视觉信息的不同处理加工的操作和识别；识别方法简单；3、本发明中对图片信息的同时探测、信息处理和识别的可重构人工视网膜形态传感器能够进一步集成为视网膜形态光学传感芯片，用于智能安防、健康医疗等边缘计算的实时应用场景。
附图说明
图1是本发明实施例2中的光电器件结构示意图；
图2是本发明实施例2中的光电器件光学图片；
图3是本发明实施例2所述的光电器件的光电响应特性；其中，图3a为光强不变时，器件光电流响应随背栅电压的变化图；图3b为背栅不变时，器件光电流随光强的变化图；图3c为相同背栅下，不同光波长的器件光电响应特性；
图4是本发明所述的光电器件的光电传感器阵列与外围控制电路示意图；
图5是本发明所述的不同背栅调节下，基于视网膜形态光电器件的光电传感器阵列对图片处理的不同操作，从上到下依次是：反相、边缘增强、亮度校正；
图6是训练卷积神经网络以实现对图像的识别的过程示意图。
具体实施方式
本发明首先公开一种视网膜形态光电器件及其制造方法，该仿生光电器件是在基底上具有底电极、电介质层、沟道层、源电极和漏电极的垂直堆叠的异质结结构，源电极和漏电极相互对峙，并置于沟道层的两端，底电极、源电极和漏电极的材料为柔性电极所用材料、惰性金属或者半金属，电介质层的材料为绝缘材料，沟道层材料为双极性材料，基底包括衬底以及生长于衬底表面的绝缘材料层。
其中，衬底材料可为硅、聚酰亚胺或聚二甲基硅氧烷，生长于衬底表面的绝缘材料层采用的材料为氧化硅、氧化铝、铪锆氧或氮化硼。
可以由氮化硼、氧化硅、氧化铝、铪锆氧等其中的一种组成，也可以由多种组成，构成垂直方向的异质结构。
沟道层的双极性材料具有双极性的电学特点，即通过场效应的调节方式，该类材料既可以成为电子型掺杂材料，也可以成为空穴型掺杂材料，包括石墨烯、硒化钨、碲化钼、黑磷或硒化钯。
底电极与源漏电极由惰性金属、柔性电极或者半金属材料组成，如铂、金、钯、氧化铟锡、石墨烯等
其次，本发明还公开一种视网膜形态光电器件的制造方法，该制造方法包括：
S1在基底表面制备出底电极；
电极材料为可用物理气相沉积或磁控溅射等方法制备的导电材料如惰性金属、氮化钛等，或为半金属型二维原子晶体材料如石墨烯等，两种材料的电极的制备方法略有不同。
首先，对于可用物理气相沉积或磁控溅射等方法制备的导电材料来说，具体步骤包括：
(1)先在衬底上旋涂一层光刻胶，用电子束光刻或紫外光刻的手段在衬底上的指定位置曝光出自定义的电极图案(所需电极图案暴露，其余部分被光刻胶遮盖)，用显影液显影出图案；
(2)用电子束蒸发，热蒸发或磁控溅射的手段在制备好图案的衬底上生长一层导电材料薄膜，所用材料为惰性金属如金、铂、钯等，或为导电化合物如氮化钛等；
(3)将该衬底的放入丙酮溶液中，利用丙酮溶解多余的光刻胶，多余的光刻胶表面的导电材料薄膜也会随之从衬底上脱落，衬底上留下的即是设计好图案的导电薄膜电极。
其次，对于半金属型二维原子晶体材料电极来说，
首先选用在衬底上制备好的单层，多层或厚层半金属型二维原子晶体薄膜，旋涂一层光刻胶，用电子束光刻或紫外光刻的手段在石墨烯上的指定位置曝光出自定义的电极图案(所需电极图案被光刻胶遮盖，其余部分暴露)，用显影液显影出图案；
接着用等离子体刻蚀的手段将多余的半金属型二维原子晶体刻蚀掉，留下被光刻胶遮盖的所需电极图案的半金属型二维原子晶体材料；
将该衬底放入丙酮溶液中，利用丙酮溶解残余的光刻胶，衬底上留下的即是设计好图案的半金属型二维原子晶体薄膜电极；
最后将制备好的半金属型二维原子晶体薄膜电极转移至样品上的所需位置。
S2在底电极上直接获得电介质层或在底电极上首先获得电介质层材料，再利用材料转移方法将不同种的电介质层材料垂直堆叠，制备具有多层结构的电介质层；
具体的，电介质层由绝缘材料组成，包括氮化硼、氧化硅、氧化铝、铪锆氧等。可以通过化学气相沉积(CVD)、化学气相传输(CVT)、分子束外延(MBE)、原子层沉积(ALD)、磁控溅射、水热法等方法直接获得；
也可以通过化学气相传输(CVT)的方法先获得体块材料，然后采取机械剥离或超声旋涂等方法得到层状材料；
电介质层可以是只有一种材料构成，也可以在得到对应的材料之后，利用转移的方法获得在垂直方向具有多层结构的异质结电介质层。电介质层可以直接生长在底电极的表面，也可以通过转移的方法从其他衬底转移到底电极上表面。
S3在电介质层上直接生长沟道层的双极性材料；或者首先获得沟道层的双极型材料，然后利用材料转移的方法将双极型材料转移到电介质层上，形成沟道层。
具体的，沟道层由双极型材料组成，包括硒化钨、碲化钼、黑磷、石墨烯、硒化钯等。可以通过化学气相沉积(CVD)、分子束外延(MBE)、原子层沉积(ALD)、磁控溅射、水热法等方法直接获得；也可以通过化学气相传输(CVT)的方法先获得体块材料，然后采取机械剥离或超声旋涂等方法得到层状材料；电介质层可以直接生长在底电极的表面，也可以通过转移的方法从其他衬底转移到电介质层上表面。
只要条件允许，本发明可以选用任何类型的电极材料、电介质材料和沟道材料。这里所述的“条件允许”是指需要满足一些限定性条件，比如：电极材料、电介质材料和沟道材料不能溶于水和丙酮，也不能溶于光刻胶；电极材料、电介质材料和沟道材料不能与水，丙酮和光刻胶发生化学反应。本领域技术人员，只要满足限定性条件，本发明中的电极材料可以用其他金属性或者半金属性材料，电介质材料可以用其他绝缘材料，沟道材料也可以用其他双极型材料。
S4在沟道层表面制备源电极和漏电极。
源电极和漏电极的材料以及制备方法均与底电极相同，在此不再赘述。
本发明提供多个制造光电器件的实施例，具体包括：
实施例1
金属底电极的制备：首先用匀胶机在衬底上旋涂一层PMMA(聚甲基丙烯酸甲酯)，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：首先利用原子层沉积在有底电极的衬底上生长厚度为10nm左右的氧化铝薄膜；然后利用机械剥离法获得薄层的六方氮化硼，厚度为5-50nm之间；利用转移的方法将薄层六方氮化硼转移到氧化铝薄膜表面，从而形成氧化铝/六方氮化硼的异质结构电介质层。
沟道层的制备：利用化学气相沉积(CDV)的方法在电介质表面直接制备薄层硒化钨。
源漏电极的制备：源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例2
如图1和2所示，金属底电极(Bottom Electrode)的制备方法为：首先用匀胶机在衬底上旋涂一层PMMA，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：首先利用原子层沉积在有底电极的衬底上生长厚度为10nm左右的氧化铝薄膜(Al2o3)；然后利用机械剥离法获得薄层的六方氮化硼(h-BN)，厚度为5-50nm之间；利用转移的方法将薄层六方氮化硼转移到氧化铝薄膜表面，从而形成氧化铝/六方氮化硼的异质结构电介质层。
沟道层的制备：利用机械剥离的方法先获得薄层硒化钨(WSe2)，再利用转移的方法转移到电介质层表面。
源漏电极的制备：源极为Source，漏极为Drain，源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例3
金属底电极的制备：首先用匀胶机在衬底上旋涂一层PMMA，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：首先利用原子层沉积在有底电极的衬底上生长厚度为5-50nm左右的氧化铝薄膜。
沟道层的制备：利用化学气相沉积(CDV)的方法在电介质表面直接制备薄层硒化钨。
源漏电极的制备：源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例4
金属底电极的制备：首先用匀胶机在衬底上旋涂一层PMMA，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：首先利用原子层沉积在有底电极的衬底上生长厚度为5-50nm左右的氧化铝薄膜。
沟道层的制备：利用机械剥离的方法先获得薄层硒化钨，再利用转移的方法转移到电介质层表面。
源漏电极的制备：源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例5
金属底电极的制备：首先用匀胶机在衬底上旋涂一层PMMA，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：利用机械剥离法获得薄层的六方氮化硼，厚度为5-50nm之间；利用转移的方法将薄层六方氮化硼转移到氧化铝薄膜表面。
沟道层的制备：利用化学气相沉积(CDV)的方法在电介质表面直接制备薄层硒化钨。
源漏电极的制备：源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例6
金属底电极的制备：首先用匀胶机在衬底上旋涂一层PMMA，用电子束曝光的方法在PMMA上曝出指定的电极图案，并用显影液使电极图案暴露从而露出下面的衬底；接着用电子束蒸发在PMMA和衬底上生长厚度为40nm左右的金属薄膜；最后，将PMMA与衬底一起放入丙酮溶液，使得PMMA溶解，从而带走多余的金属薄膜。衬底上留下的便是前面指定形状的金属膜底电极。
电介质层的制备：利用机械剥离法获得薄层的六方氮化硼，厚度为5-50nm之间；利用转移的方法将薄层六方氮化硼转移到氧化铝薄膜表面。
沟道层的制备：利用机械剥离的方法先获得薄层硒化钨，再利用转移的方法转移到电介质层表面。
源漏电极的制备：源漏电极的制备与前面提到的底电极的制备相同，但是源漏电极必须要与底电极在水平方向有交叠的区域，并保证源漏电极之间存在沟道层的材料。
实施例1，3-6制造的光电器件结构与实施例中的相同，但材料有所不同，附图没有一一列举。
本光电器件对不同背栅电压、光强和波长下展现出不同的光电响应特性，结果如图3所示。图3a展示了光电器件在不同背栅电压下的响应特性。图3b展示了不同光强的光照射下光电器件的响应特性。图3c和3d展示了光电器件能够工作在整个可见光光谱范围内。
一种视网膜形态光电传感阵列，其具有上述实施例制造的视网膜形态光电器件。在阵列的基础上结合边缘电路，可以制作视网膜形态光电传感芯片。
上述的光电传感器阵列是将上述的视网膜形态光电器件在平面上集成，形成光电传感器阵列，通过配套的外围电路设计，可以实现对于阵列中任意器件的源漏电压与门电压的控制。这种光电传感器阵列可以同时实现视觉信息的探测和处理，用于实现卷积神经网络。通过调节光电器件中每一个像素器件的栅压，这种光电器件可以被重构成为不同的卷积神经网络，用于实现视觉信息的不同处理和识别。
信息处理芯片，即将集同时探测、信息处理和识别的可重构人工视网膜形态传感器进一步集成为视网膜形态光学传感芯片，并进行更进一步的信息处理。可以用于智能安防、健康医疗等边缘计算的实时应用场景。
一种根据视网膜形态光电传感阵列实现的视觉图片卷积处理方法，首先本光电传感器阵列由实施例制造的光电器件组成，其示意图如图4所示。
本阵列可以完成图像处理中的卷积运算。如一个3×3卷积核的卷积运算具体如上图4a所示：现有卷积核A：
a11 a12 a13
a21 a22 a23
a31 a32 a33
和图片P。做卷积时，从图片P的最左上角选取3×3的阵列，将该阵列的像素值与卷积核的数值相乘，其运算规则如下：
Figure BDA0002414172910000111
Pij是图片中位于i行j列的像素的像素值，Outputs是最后的卷积运算成果。
该卷积运算包含了九个乘法与八个加法。按照这个方法，卷积核A从图片P的左上角开始，沿着虚线箭头不断与图片P的3×3部分相乘，最后的运算结果按照相乘的顺序重新组装，可以获得一张新的图片。该图片便是图片P在卷积核A的卷积运算下得到的结果。
为了利用我们的阵列实现这一功能，如图4b所示，将阵列中器件的光响应系数(Gij(Vg ij))通过调控施加在阵列中每个器件的背栅电压Vg ij的方式与卷积核中的矩阵元(aij)对应。Pij是代表图片像素的光强值。由于器件的光电流(Iphotocurrent)是光强与光响应度矩阵的乘积，因此器件接收光照并产生光电流的过程可以被看成是乘法运算。将多个器件进行串联，利用基尔霍夫定律将不同器件产生的光电流相加可以被看成是加法运算。因此，整个过程便可以看作将光强组成的阵列与对应的光响应度矩阵组成的阵列做了卷积运算：
Figure BDA0002414172910000112
图4c展示了一个较大规模的视网膜形态仿生光电器件的光电传感器阵列如何实现对图片的卷积运算。
在光电传感器阵列的每个光电器件上中设置位线，每一行的光电器件对应的位线串联，在每个光电器件上设置信号线，每一列的光电器件对应的信号线串联，所述位线和信号线为阵列中特定位置的光电器件施加源漏电压；
在光电传感器阵列的每个光电器件上中设置字线，用于为阵列中特定一行的光电器件施加背栅电压。
利用位线和字线为交叉的特定一列中的光电器件输入对应电压，同时将背栅电压通过字线输入给对应的光电器件，完成部分卷积运算，并输出光电流I。
图5展示了利用上述步骤所述的方法在原理验证阶段采用了3×3光电器传感器阵列实施的卷积核对输入的Lena图片进行的三种不同的卷积运算操作，分别是反相、边缘增强、亮度校正。从结果看，光电传感器阵列对Lena图进行的卷积运算结果和采用相同卷积核的模拟结果类似，表明我们原型光电传感器阵列在视觉信息加工处理方面的可重构特性。
需要说明的是，上述各实施例是实验室实验处理过程，实际工业生产中，根据其相应的生产条件得做出相应的调整，只要这种调整不破坏本发明的精神，属于本发明的保护范围。
一种根据视网膜形态仿生光电传感阵列实现的视觉图片识别方法，该方法包括：
步骤1、将待识别信息输入到光电传感器阵列中，并将所有光电器件的背栅电压设置为0V；
步骤2、随后采集光电传感器阵列的输出电流I，并将它输入到下面的Sigmoid激活函数：
f＝(1+e-αI)-1
其中，I即为光电传感器阵列的输出电流，α为归一化系数；
步骤3、计算出激活函数f的值后，与目标值进行比较后，然后作出判断并根据下面的公式执行误差反向传播操作：
Figure BDA0002414172910000121
其中，δk为第k次训练时所用的误差，
Figure BDA0002414172910000122
为第k次训练时的理论输出值，fk为第k次训练时的Sigmoid激活函数的输出值；
步骤4、误差随后传递到第一层后，通过下面的函数关系实现对光电传感器阵列中初始的背栅值进行更新：
Figure BDA0002414172910000131
其中，n为步长，β为栅压变化的步长，P为视觉图片信息的输入，round为四舍五入求整函数，conv为卷积函数，以此完成一个训练流程；
步骤5、循环步骤1-4，直到步骤3中计算出的误差接近或者等于0，即，从所有输入图片中成功识别出目标图片。
具体的，本光电传感器阵列由器件中的实例1组成，其示意图如图6所示。本阵列需要识别的“n”、“j”、“u”字母如图6a所示，通过如图6b的方式训练光电传感器阵列中每一个器件的光响应，形成三个不同的卷积核，识别图6a中的给出的字母。图6c展示了针对这三个字母的平均识别率和训练次数的关系，图6c的插图展示了初始和训练完成后3×3器件阵列的背栅值分布情况。图6d给出了分别针对三类不同字母“n”、“j”、“u”中每一类三种不同写法的分类情况。

Claims (11)

1.一种视网膜形态光电传感器件，其特征在于，其是在基底上具有底电极、电介质层、沟道层、源电极和漏电极的垂直堆叠的异质结结构，所述源电极和漏电极相互对峙，并置于所述沟道层的两端，所述底电极、源电极和漏电极的材料为柔性电极所用材料、惰性金属或者半金属，所述电介质层的材料为绝缘材料，所述沟道层材料为双极性材料，所述基底包括衬底以及生长于衬底表面的绝缘材料层。
2.根据权利要求1所述的视网膜形态光电传感器件，其特征在于，所述衬底材料包括硅、聚酰亚胺或聚二甲基硅氧烷，所述生长于衬底表面的绝缘材料层采用的材料为氧化硅、氧化铝、铪锆氧或氮化硼。
3.根据权利要求1所述的视网膜形态光电传感器件，其特征在于，所述沟道层的双极性材料为石墨烯、硒化钨、碲化钼、黑磷或硒化钯。
4.根据权利要求1所述的视网膜形态光电传感器件，其特征在于，所述电介质层的材料为氮化硼、氧化硅、氧化铝和铪锆氧中任一种或多种组成。
5.一种权利要求1-4任一项所述的视网膜形态光电传感器件的制造方法，其特征在于，该制造方法包括：
S1在基底表面制备出底电极；
S2在底电极上直接获得电介质层或在底电极上首先获得电介质层材料，再利用材料转移方法将电介质层材料垂直堆叠，制备具有多层结构的电介质层；
S3在电介质层上直接生长沟道层的双极性材料；或者首先获得沟道层的双极型材料，然后利用材料转移的方法将双极型材料转移到电介质层上，形成沟道层；
S4在沟道层表面制备源电极和漏电极。
6.根据权利要求5所述的视网膜形态光电传感器件的制造方法，其特征在于，所述S2中，底电极上直接获得电介质层的方法为化学气相沉积法、化学气相传输法、分子束外延法、原子层沉积法或水热法。
7.根据权利要求5所述的视网膜形态光电传感器件的制造方法，其特征在于，所述S3中，在电介质层上直接生长沟道层的双极性材料的方法为化学气相沉积法、化学气相传输法、分子束外延法、原子层沉积法或水热法。
8.根据权利要求5所述的视网膜形态光电传感器件的制造方法，其特征在于，所述S1中，在基底表面制备出底电极的方法为：
S11采用紫外光刻法、电子束光刻法或掩膜版法在衬底上制备设计好底电极形状；
S12制备出底电极。
9.一种视网膜形态光电传感器阵列，其特征在于，其具有权利要求1-4任一项所述的视网膜形态光电传感器件。
10.一种根据权利要求9所述的视网膜形态光电传感器阵列实现的视觉图片卷积处理方法，其特征在于，该方法包括：
(1)在光电传感器阵列的每个光电器件上中设置位线，每一行的光电器件对应的位线串联，在每个光电器件上设置信号线，每一列的光电器件对应的信号线串联，所述位线和信号线为阵列中特定位置的光电传感器件施加源漏电压；
(2)在光电传感器阵列的每个光电器件上中设置字线，用于为阵列中特定一行的光电传感器件施加背栅电压；
(3)利用位线和字线为交叉的特定一列中的光电传感器件输入对应电压，同时将背栅电压通过字线输入给对应的光电器件，完成部分卷积运算，并输出结果，即：
Figure FDA0002414172900000021
其中，
Figure FDA0002414172900000022
为第m行第1列的背栅电压值，Pm1为第m行第1列上光电器件的视觉图片信息输入，
Figure FDA0002414172900000023
为第m行第1列的光响应度；m为卷积核的总行数；
(4)根据步骤(3)的方法采用m×m的卷积核完成整个光电传感器阵列的卷积运算。
11.一种根据权利要求9所述的视网膜形态仿生光电传感器阵列实现的视觉图片识别方法，其特征在于，该方法包括：
步骤1、将待识别信息输入到光电传感器阵列中，并将所有光电器件的背栅电压设置为0V；
步骤2、随后采集光电传感器阵列的输出电流I，并将它输入到下面的Sigmoid激活函数：
f＝(1+e-αI)-1
其中，I即为光电传感器阵列的输出电流，α为归一化系数；
步骤3、计算出激活函数f的值后，与目标值进行比较后，然后作出判断并根据下面的公式执行误差反向传播操作：
Figure FDA0002414172900000031
其中，δk为第k次训练时所用的误差，
Figure FDA0002414172900000032
为第k次训练时的理论输出值，fk为第k次训练时的Sigmoid激活函数的输出值；
步骤4、误差随后传递到第一层后，通过下面的函数关系实现对光电传感器阵列中初始的背栅值进行更新：
Figure FDA0002414172900000033
其中，n为步长，β为栅压变化的步长，P为视觉图片信息的输入，round为四舍五入求整函数，conv为卷积函数，以此完成一个训练流程；
步骤5、循环步骤1-4，直到步骤3中计算出的误差接近或者等于0，即，从所有输入图片中成功识别出目标图片。
CN202010189068.4A 2020-03-16 2020-03-17 一种视网膜形态光电传感阵列及其图片卷积处理方法 Active CN111370526B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010189068.4A CN111370526B (zh) 2020-03-17 2020-03-17 一种视网膜形态光电传感阵列及其图片卷积处理方法
US17/769,609 US20240136461A1 (en) 2020-03-16 2020-03-25 Retinomorphic sensor array and image convolution method therefor
PCT/CN2020/081313 WO2021184407A1 (zh) 2020-03-17 2020-03-26 一种视网膜形态光电传感阵列及其图片卷积处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010189068.4A CN111370526B (zh) 2020-03-17 2020-03-17 一种视网膜形态光电传感阵列及其图片卷积处理方法

Publications (2)

Publication Number Publication Date
CN111370526A true CN111370526A (zh) 2020-07-03
CN111370526B CN111370526B (zh) 2023-12-26

Family

ID=71211807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010189068.4A Active CN111370526B (zh) 2020-03-16 2020-03-17 一种视网膜形态光电传感阵列及其图片卷积处理方法

Country Status (3)

Country Link
US (1) US20240136461A1 (zh)
CN (1) CN111370526B (zh)
WO (1) WO2021184407A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111770245A (zh) * 2020-07-29 2020-10-13 中国科学院长春光学精密机械与物理研究所 一种类视网膜图像传感器的像素结构
CN113451423A (zh) * 2021-07-27 2021-09-28 湖南大学 一种基于等离激元效应的异质结光电突触器件
WO2022041091A1 (zh) * 2020-08-26 2022-03-03 南京大学 一种新型类脑视觉系统
CN114784050A (zh) * 2022-06-17 2022-07-22 湖南大学 一种神经形态视觉传感器及其应用和制备方法
WO2023109076A1 (zh) * 2021-12-14 2023-06-22 上海集成电路制造创新中心有限公司 可重构肖特基二极管

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104252622A (zh) * 2014-10-15 2014-12-31 倪蔚民 移动终端前置和虹膜识别一体化光电成像系统及方法
CN105070781A (zh) * 2015-05-21 2015-11-18 清华大学 一种碳纳米管柔性光敏器件及其制备方法
CN105810750A (zh) * 2014-12-29 2016-07-27 中芯国际集成电路制造(上海)有限公司 一种碳纳米管神经元器件及其制作方法
CN106653850A (zh) * 2016-09-23 2017-05-10 南京大学 基于石墨烯/碳纳米管复合吸收层的人工神经突触晶体管
CN106847817A (zh) * 2015-12-04 2017-06-13 中国科学院宁波材料技术与工程研究所 具有多端结构的人造突触器件及其制法和应用
CN107527968A (zh) * 2017-07-16 2017-12-29 北京工业大学 一种石墨烯‑二硫化钼侧向异质结光电探测器结构
CN108281554A (zh) * 2018-01-26 2018-07-13 电子科技大学 一种量子点结构光电探测器及其制备方法
CN208507681U (zh) * 2018-04-02 2019-02-15 云南师范大学 一种基于二硫化钼与二硒化钨垂直异质结的铁电存储器
CN109817756A (zh) * 2019-01-16 2019-05-28 复旦大学 基于二维异质结光波长诱导的光电存储器及其制备方法
CN110276440A (zh) * 2019-05-19 2019-09-24 南京惟心光电系统有限公司 一种基于光电计算阵列的卷积运算加速器及其方法
CN110537369A (zh) * 2017-04-21 2019-12-03 株式会社半导体能源研究所 图像处理方法及图像接收装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0706756D0 (en) * 2007-04-05 2007-05-16 Imp Innovations Ltd Improvements in organic field-effect transistors
US10875957B2 (en) * 2015-11-11 2020-12-29 The Regents Of The University Of California Fluorine substitution influence on benzo[2,1,3]thiodiazole based polymers for field-effect transistor applications
KR20180112458A (ko) * 2017-04-04 2018-10-12 에스케이하이닉스 주식회사 두 개의 트랜지스터들 및 하나의 가변 저항 소자를 가진 시냅스 및 상기 시냅스를 포함하는 시냅스 어레이
WO2019087937A1 (ja) * 2017-11-02 2019-05-09 東レ株式会社 集積回路およびその製造方法ならびにそれを用いた無線通信装置
CN110215606A (zh) * 2019-06-25 2019-09-10 武汉华星光电技术有限公司 一种人造视网膜神经柔性微电极装置及其制作方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104252622A (zh) * 2014-10-15 2014-12-31 倪蔚民 移动终端前置和虹膜识别一体化光电成像系统及方法
CN105810750A (zh) * 2014-12-29 2016-07-27 中芯国际集成电路制造(上海)有限公司 一种碳纳米管神经元器件及其制作方法
CN105070781A (zh) * 2015-05-21 2015-11-18 清华大学 一种碳纳米管柔性光敏器件及其制备方法
CN106847817A (zh) * 2015-12-04 2017-06-13 中国科学院宁波材料技术与工程研究所 具有多端结构的人造突触器件及其制法和应用
CN106653850A (zh) * 2016-09-23 2017-05-10 南京大学 基于石墨烯/碳纳米管复合吸收层的人工神经突触晶体管
CN110537369A (zh) * 2017-04-21 2019-12-03 株式会社半导体能源研究所 图像处理方法及图像接收装置
CN107527968A (zh) * 2017-07-16 2017-12-29 北京工业大学 一种石墨烯‑二硫化钼侧向异质结光电探测器结构
CN108281554A (zh) * 2018-01-26 2018-07-13 电子科技大学 一种量子点结构光电探测器及其制备方法
CN208507681U (zh) * 2018-04-02 2019-02-15 云南师范大学 一种基于二硫化钼与二硒化钨垂直异质结的铁电存储器
CN109817756A (zh) * 2019-01-16 2019-05-28 复旦大学 基于二维异质结光波长诱导的光电存储器及其制备方法
CN110276440A (zh) * 2019-05-19 2019-09-24 南京惟心光电系统有限公司 一种基于光电计算阵列的卷积运算加速器及其方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111770245A (zh) * 2020-07-29 2020-10-13 中国科学院长春光学精密机械与物理研究所 一种类视网膜图像传感器的像素结构
CN111770245B (zh) * 2020-07-29 2021-05-25 中国科学院长春光学精密机械与物理研究所 一种类视网膜图像传感器的像素结构
WO2022041091A1 (zh) * 2020-08-26 2022-03-03 南京大学 一种新型类脑视觉系统
CN113451423A (zh) * 2021-07-27 2021-09-28 湖南大学 一种基于等离激元效应的异质结光电突触器件
WO2023109076A1 (zh) * 2021-12-14 2023-06-22 上海集成电路制造创新中心有限公司 可重构肖特基二极管
CN114784050A (zh) * 2022-06-17 2022-07-22 湖南大学 一种神经形态视觉传感器及其应用和制备方法
CN114784050B (zh) * 2022-06-17 2022-09-27 湖南大学 一种神经形态视觉传感器及其应用和制备方法

Also Published As

Publication number Publication date
WO2021184407A1 (zh) 2021-09-23
CN111370526B (zh) 2023-12-26
US20240136461A1 (en) 2024-04-25

Similar Documents

Publication Publication Date Title
CN111370526B (zh) 一种视网膜形态光电传感阵列及其图片卷积处理方法
Wang et al. Networking retinomorphic sensor with memristive crossbar for brain-inspired visual perception
Liao et al. Neuromorphic vision sensors: Principle, progress and perspectives
Sun et al. In-sensor reservoir computing for language learning via two-dimensional memristors
US11861489B2 (en) Convolutional neural network on-chip learning system based on non-volatile memory
Choi et al. Reconfigurable heterogeneous integration using stackable chips with embedded artificial intelligence
Feng et al. 2D photonic memristor beyond graphene: progress and prospects
Wu et al. Next‐generation machine vision systems incorporating two‐dimensional materials: progress and perspectives
CN108805270A (zh) 一种基于存储器的卷积神经网络系统
US20230186060A1 (en) Novel neuromorphic vision system
CN117423746A (zh) 一种光电调控神经突触晶体管及其制备方法
EP0717366A2 (en) A neural network incorporating direct optical imaging
Lee et al. Adaptive precision cnn accelerator using radix-x parallel connected memristor crossbars
Lee et al. Nanomaterial-based synaptic optoelectronic devices for in-sensor preprocessing of image data
Feng et al. Retinomorphic hardware for in‐sensor computing
Choi et al. Nanomaterial-based artificial vision systems: from bioinspired electronic eyes to in-sensor processing devices
CN113903856A (zh) 一种面向神经网络视觉感知的新型忆光响应器及其制备方法、应用
Jiang et al. Self-Powered Organic Optoelectronic Synapses with Binarized Weights for Noise-Suppressed Visual Perception and High-Robustness Inference
CN115117177A (zh) 一种神经形态光电传感器、其制备及调控方法
Lv et al. Low-dimensional optoelectronic synaptic devices for neuromorphic vision sensors
Wang et al. Digital image processing realized by memristor-based technologies
Mohta et al. Optically excited artificial synapse based on α-In2Se3 FETs on Ta2O5
Wang et al. On non-von Neumann flexible neuromorphic vision sensors
Zhang et al. High performance artificial visual system with plasmon-enhanced 2d material neural network
Yamane et al. Development and Evaluation of Neural Networks using Oxide Semiconductor Synapses for Letter Reproduction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant