Le tableau de périphérique synaptique intègre la détection, la mémoire et le traitement pour la vision artificielle
Dans un développement pour l’intelligence artificielle, les chercheurs ont dévoilé un réseau d’appareils synaptiques qui se révèle prometteur pour améliorer les systèmes visuels artificiels. Cet réseau innovant, mesurant un compact 0,7 × 0,7 cm2intègre les capacités de détection, de mémoire et de traitement pour imiter les fonctions complexes du système visuel humain.
En utilisant le disulfure de molybdène monocouche à l’échelle de plaquette (MOS2) et des nanoparticules d’or pour une capture d’électrons améliorée, le réseau présente une coordination remarquable entre les composants optiques et électriques. Il est capable d’écrire et d’effacer les images et a atteint une précision de 96,5% dans la reconnaissance des chiffres, marquant un bond en avant significatif dans le développement de systèmes neuromorphes à grande échelle.
Le système visuel humain traite efficacement les données visuelles complexes via un réseau interconnecté qui permet un traitement parallèle. Cependant, les systèmes de vision artificielle actuels sont confrontés à de nombreux défis, notamment la complexité du circuit, la consommation élevée de puissance et les difficultés de miniaturisation.
Ces problèmes découlent de la séparation entre les dispositifs de signal et les unités de traitement, ce qui entrave la capacité de traiter les informations visuelles en parallèle. Malgré les tentatives précédentes, la simulation d’un système de vision complet et inspiré biologique avec un seul appareil est restée insaisissable, ce qui entraîne le besoin de solutions plus intégrées et efficaces capables d’un traitement en temps réel.
Une étude publiée dans Microsystems et nanoengineering a maintenant introduit une solution à ces défis de longue date. Dirigée par une équipe du Beijing Institute of Technology, l’étude présente un réseau de périphériques synaptiques 28 × 28, fabriqué à l’aide de MOS2 Transistors à effets de champ flottants. Cet appareil reproduit non seulement les réseaux de neurones du système visuel humain, mais offre également des performances synaptiques optoélectroniques exceptionnelles, préparant la voie à des systèmes visuels artificiels plus efficaces et intégrés.
Utilisation de MOS2 Transistors à portes flottants combinés avec des nanoparticules d’or sous forme de couches de capture d’électrons, les chercheurs ont obtenu des performances optoélectroniques stables et uniformes, capables de simuler des comportements synaptiques clés comme le courant postsynaptique excitateur (EPSC) et la facilitation par impulsion appariée (PPF). Le tableau a démontré un rapport marche / arrêt d’environ 106 et une mobilité moyenne de 8 cm2V-1s-1.
Notamment, le tableau a été en mesure de stocker et de traiter les données d’image, telles que l’emblème du Beijing Institute of Technology, présentant son potentiel de traitement des données optiques. En outre, la capacité d’ajuster l’intensité de la lumière et la précision de reconnaissance affinée fournit une nouvelle méthode pour optimiser les performances du système dans des conditions d’éclairage variables.
Jing Zhao, l’auteur correspondant de l’étude, a déclaré: « Nos résultats offrent une voie viable vers les systèmes neuromorphiques visuels artificiels intégrés à grande échelle. Les performances du MOS2– Le tableau synaptique basé représente une étape majeure vers les applications pratiques, des simulations au niveau de l’appareil à l’intégration à l’échelle du système. «
Les progrès des réseaux de neurones synaptiques artificiels présentent de nombreux avantages, notamment une intégration élevée, une uniformité stable et de puissantes capacités de traitement parallèle. Ces attributs pourraient transformer les performances des systèmes de calcul.
La capacité du réseau à traiter simultanément les signaux optoélectroniques et à ajuster les poids synaptiques via des signaux légers a déjà démontré des résultats impressionnants en reconnaissance du chiffre manuscrit, avec une précision de 96,5%. Cette percée ouvre des possibilités passionnantes pour l’avenir de l’apprentissage en profondeur et de la vision artificielle, inaugurant potentiellement les systèmes plus intelligents et plus efficaces dans un avenir proche.
Fourni par l’aérospatiale Information Research Institute, Chinese Academy of Sciences
