Un neurone sensoriel artificiel permet une reconnaissance d'objets multicolores de haute précision dans le proche infrarouge
La détection de photons dans le proche infrarouge (NIR) et la reconnaissance d'objets sont des technologies cruciales pour l'identification de cibles par tous les temps. Les systèmes de détection NIR conventionnels qui reposent sur des photodétecteurs et des algorithmes informatiques de von Neumann sont inefficaces sur le plan énergétique. Les neurones sensoriels artificiels basés sur des memristors volatils sensibles aux infrarouges offrent une solution prometteuse.
Dans une étude publiée dans Matériaux avancésune équipe dirigée par le Dr Wang Jiahong de l'Institut de technologie avancée de Shenzhen de l'Académie chinoise des sciences a développé un neurone sensoriel artificiel basé sur un carbure/oxyde de vanadium (V2C/V2Ô5-x) hétérostructure via conversion topochimique, permettant une réponse multicolore dans le proche infrarouge et une reconnaissance d'objets de haute précision dans des scénarios complexes.
Des chercheurs ont conçu un V bidimensionnel2C/V2Ô5-x hétérostructure avec une interface de fusion naturelle grâce à une conversion topochimique par oxydation douce contrôlée avec précision de V2CTx. Cette intégration unique du V métallique2C et V enrichi en lacunes diélectriques2Ô5-x a accordé la réactivité NIR de l'hétérostructure et la capacité de commutation de résistance volatile (RS) de type seuil.
Le V2C/V2Ô5-x memristor a démontré une capacité volatile robuste avec de faibles coefficients de variation de seulement 1,62 % et 1,7 % pour les tensions de réglage et de réinitialisation, respectivement. Sa tension de seuil pourrait être efficacement modulée par la densité de puissance et la longueur d'onde de la lumière NIR. La corrélation entre la longueur d'onde et la tension d'amorçage du seuil était cohérente avec la réponse photoélectrique, montrant un contrôle photoélectrique accordable du V2C/V2Ô5-x memristor via la modulation des paramètres photoniques.
« Notre programmabilité photoélectrique permet une discrimination infrarouge multicolore grâce à des signatures de tension de seuil caractéristiques, et les réponses distinctes en longueur d'onde peuvent être codées dans le neurone sensoriel artificiel pour la reconnaissance d'objets dans le proche infrarouge », a déclaré le Dr Wang.
Basée sur les caractéristiques RS modulables NIR multicolores et le modèle d'algorithme YOLOv7, une architecture de réseau neuronal artificiel a atteint des précisions de reconnaissance moyennes de 89,6 % pour les voitures et de 85,9 % pour les personnes sur l'ensemble de données FLIR.
L'étude présente un système neuromorphique prometteur basé sur des memristors qui améliore considérablement l'efficacité et la précision de la détection et de la reconnaissance d'objets, ouvrant la voie à des progrès dans les systèmes autonomes, la robotique et les environnements intelligents.
