在人工智能的飞速发展下，传感器数据量的激增对数据处理速度和能效提出了严峻挑战。传统的传感器架构，如冯·诺依曼架构，将传感、计算和存储单元物理分离，导致了数据转换和传输的频繁和昂贵，这不仅增加了能耗，也增加了时间延迟。为了应对这一挑战，研究人员提出了一种先进的传感器架构——传感器内计算（in-sensor
computing），它能够在传感器层面同时进行图像的感知、记忆和处理。有机半导体因其固有的柔韧性和可调带隙而备受关注，尤其是在近红外（NIR）光电应用领域，如荧光成像、医疗监测、遥感和光通信等。然而，有机光电器件在实现智能传感和处理功能方面还存在局限性，因为它们的计算功能是由材料和结构决定的，这限制了其在高级感官处理任务中的应用。据麦姆斯咨询报道，近日，中国科学院微电子研究所李蒙蒙团队在Advanced Materials期刊上发表题为“Gate-Tunable
Positive and Negative Photoconductance in Near-Infrared Organic
Heterostructures for in-Sensor
Computing”的研究论文。这项研究开发了一种新型的有机异质结构，该结构不仅与常规光刻技术兼容，还能实现高达520个设备每平方厘米的集成密度，并且通过调节栅极电压（VG），能够实现对近红外光的正负光响应（如图1所示）。这项研究为下一代智能感官系统的发展奠定了基础，特别是在生物医学智能感官系统领域具有巨大潜力。图1 用于近红外传感器计算的有机异质结构
研究人员成功展示了一种适用于近红外传感器内计算的有机异质结构。这种结构由部分重叠的p型共轭聚合物薄膜和n型小分子薄膜组成，通过常规光刻技术制造，具有5微米通道长度和高集成密度，如图2所示。图2 由部分重叠的p型共轭聚合物薄膜和n型小分子薄膜组成的有机异质结构
研究人员利用光门控效应（photogating
effect），实现了对近红外光的正负光响应，并且这种响应与栅极电压呈线性关系，结果如图3所示。这使得该有机异质结构能够在传感器内进行实时的矩阵乘法运算，从而实现了高效、精确的近红外传感器内计算，包括图像处理和非破坏性读取与分类，识别准确率达到了97.06%。图3 有机异质结构的光电性质
图4 利用近红外有机异质结实现构硅晶圆后的字母图像的无损读取和分类综上所述，这项研究开发了一种用于传感器内计算的新型近红外有机异质结构，该结构与常规光刻技术兼容，可依靠光门控效应实现传感器内计算。研究人员还利用该结构成功实现了图像处理，为开发下一代可重构智能视觉系统铺平了道路。
https://doi.org/10.1002/adma.202402903
延伸阅读：
《新兴图像传感器技术及市场-2024版》
《光谱成像市场和趋势-2022版》
