【儀表網 研發快訊】人工智能時代，視覺數據爆發式增長，存儲、傳輸成棘手難題，如何為光電器件“減負”？
相關成果發表于Nature Materials，獲得世界人工智能大會WAIC青年優秀論文獎，入選2023年復旦“十大科技進展”。
打破傳統探測架構，一款芯片集成三大功能
曾經，我們用手機拍一張照片，只有幾千字節大小。如今，進入超高清時代，一幅千萬像素、億像素的照片，能占據數十甚至數百兆字節的存儲空間。根據國際數據公司IDC預測，至2025年，全球數據量將達175ZB(1750萬億億字節)量級。
相機中將光信號轉換為電信號的成像芯片，本質上便是光電探測器。高清攝像、高速探測、智能識別……隨著光電探測器的應用越來越廣，視覺信息數據爆發式增長，存儲空間不足難題迫在眉睫，信息處理能力亟待提升。
“人們每天傳輸的海量數據中，冗余信息占比頗高。我們希望讓光電探測器更加智能，實現數據傳輸‘輕量化’，降低延遲，減少功耗。”復旦大學芯片與系統前沿技術研究院教授王建祿介紹。
在傳統的光電探測架構中，探測、存儲和計算單元相互分離，延時高、功耗高，針對這一瓶頸，能否設計出集探測、存儲和計算功能于一身的“感存算一體架構”？
核心難點在于半導體摻雜——這是半導體制備過程中的一項關鍵技術，能夠改變材料的電學性質。摻雜分為n型摻雜和p型摻雜，傳統摻雜技術在半導體中注入摻雜原子，形成n型半導體和p型半導體。這就意味著，當摻雜一旦完成，器件能帶結構就無法調節，無法滿足智能感知對于光電子器件的可塑性需求。
曾有國內外研究者嘗試過外加柵壓的方法，然而，外部電壓撤去后就無法保持性能，因此必須持續加壓，帶來了高能耗、器件不穩定和不可靠方面的問題。
2020年，團隊提出一種新的技術路徑：用鐵電極化代替傳統摻雜技術。“我們發揮了鐵電疇非易失、可重構的特點，實現了極化場精準可編程的半導體摻雜新技術。”復旦大學芯片與系統前沿技術研究院青年研究員吳廣健說。
鐵電疇極化方向由施加到探針的電壓局部操縱
這一方法無需對半導體元素摻雜，而是通過外部施加電場即可——只需切換鐵電極化的大小或方向，就能改變器件導電性能，切換速度可達納秒級。同時，鐵電調控具有高靈敏度，能有效捕捉微小信號。鐵電的非易失特性，還可使器件在單次調節后長時保持。
▲
經過極化操作后的鐵電相圖，相位差為180°。PFM定義的鐵電疇具有任意可重構特性
基于該方法，探測器不僅可以“記憶”電導狀態，還能通過精準調節權重從而進行計算。光信息探測、權值存儲和高級計算的功能，被集成到傳感器陣列中，有效減少了感知數據的傳輸和計算步驟，實時、高效地處理探測數據。
左側是傳統探測架構，感存算模塊分離；中間是存算一體架構，存算結合但感知層獨立；右側是感存算一體架構，能夠直接識別圖像
仿生思路驅動交叉研究，實現“類人眼”性能
盡管做的是芯片研發，團隊的研究靈感，最初來自于人眼。
“人眼就是在感知的同時不停對視覺信息進行計算，因此我們希望在光電探測器上，也能模擬人眼的高效處理能力。”吳廣健介紹，人的雙眼能在一定動態范圍內適應環境變化，當人從昏暗的電影院走到明亮的室外時，會自動調整瞳孔的進光量，從而對圖像進行識別，“我們用鐵電疇調控器件，也是類似于這種自適應調整”。
團隊負責人劉琦教授常年扎根存算研究，鐵電調控則是王建祿教授長期的研究方向。結合雙方優勢，團隊確定研究思路，聚焦實現探測器的“類人眼”性能，力求讓其兼具高性能探測、權值存儲、原位計算功能。
借助仿生思路，研究從一開始就具有高度交叉性，與仿生視覺、類腦智能息息相關。團隊成員學習借鑒人眼的生物功能，積極咨詢腦科學研究人員，最終完成器件設計，并花了一年多時間完成實驗。
團隊制備了3×9二極管陣列，利用鐵電調控的正負光響應、線性、多態特性，實現了矢量乘加運算，此外還開展了較大范圍的線性調節，而后借助計算機算法等工具對其進行針對訓練。
原理驗證實驗中，他們在機器狗身上安裝芯片，讓其按照“看到”的方向圖標自行前進。從演示畫面可以看到，在無需外部存儲和計算單元的情況下，機器狗可以按照向左、向右等方向準確實時前進。
Nature Materials同期發表“研究簡報”對成果進行了亮點報道，評價其“開發了一種使用鐵電調控的非易失性光電二極管傳感器陣列來實現感存算一體架構，大大減少了傳感和計算單元之間接口處的數據傳輸和轉換，在能耗和延遲方面顯示出顯著的優勢”。
曾獲洪堡研究獎的美國加利福尼亞大學洛杉磯分校Ya-Hong Xie教授則評價：“這種p-n結能夠實現光探測，為先進的納米光電探測器和實現下一代光電器件提供了機會。”
人臉識別、無人駕駛……智能識別應用前景廣闊
由于具備實時處理、輕量數據的兩大優勢，低延遲、低功耗，復旦團隊研發的這一智能探測芯片在未來應用廣泛，特別是人臉識別、動目標監測、無人駕駛等多種智能化場景。
以動目標監測為例，探測器探測到的大部分信息是目標未出現的畫面數據，其實都是冗余信息。傳統的探測器會將所有探測數據進行存儲，再傳輸至計算單元，而智能探測芯片則通過一體化的計算功能，實時處理數據，只采集、傳輸目標出現的有效圖像，能使得數據壓縮量達到90%。
而在無人駕駛這種高速移動場景中，更需要實時對探測目標進行快速反應。傳統架構需要經過三道傳輸環節，而感存算一體架構可以進一步提升反應速度，使汽車在更短時間尺度觸發駕駛的相關決策指令。
眼下，無人駕駛蓬勃發展，其背后技術大多還是基于激光雷達主動發射激光進行距離探測——借助發出的激光反射到探測器，汽車才可以計算前方物體和車身的距離，從而進行決策。
隨著無人駕駛汽車越來越多，環境中的發射激光隨之增加，難免對人眼造成損害。相較之下，智能探測芯片的優勢還在于無需主動發射激光信號，而是和人眼一樣完全被動獲取信息，對環境和人體更為友好。
下一步，團隊將繼續提升探測器性能，并期待通過與各個行業的通力合作，打通后端電路設計等環節，實現該技術在更多應用場景的落地。
該研究得到國家重點研發計劃、國家自然科學基金等項目支持，吳廣健、張續猛、馮光迪為論文的共同第一作者，田博博、劉琦、王建祿教授為該論文的通訊作者。
所有評論僅代表網友意見，與本站立場無關。