Nature Electronics
近日，北京大学集成电路学院/集成电路高精尖创新中心黄如院士-杨玉超教授团队在Nature Electronics期刊上发表了题为《Reconfigurable in-sensor processing based on a multi-phototransistor-one-memristor array》的研究论文，在可重构感存算一体集成阵列与硬件系统取得重要进展。针对现有忆阻器视觉感知神经形态器件在动力学特性和编码功能上的局限以及集成硬件系统算法兼容性不足的问题，首次提出将莫特氧化物异质结结构忆阻器与光晶体管集成，构建了支持多种光图像编码功能的可重构硬件系统。这一系统能够实现光图像的时空、模拟与脉冲编码，并兼容生物启发式和机器学习架构的多种算法,通过与非易失性忆阻器阵列集成可支持多种光学神经网络（如光学卷积神经网络、循环神经网络、脉冲神经网络），从而执行多种计算视觉任务，包括识别静态、运动和彩色图像识别功能，为实现大规模可重构视觉计算硬件系统奠定了关键基础。
随着机器视觉技术的快速发展，图像传感器在边缘计算中扮演着越来越重要的角色。然而，基于CMOS技术的传统视觉计算系统在实时图像处理方面面临诸多挑战，主要是由于图像传感器、存储器和处理器之间的物理分离导致图像信息处理的延迟和冗余数据的生成。为了解决这些问题，集成了神经形态计算和光图像感知功能的视觉感存算一体系统成为重要的发展方向。但目前视觉感知神经形态器件的动力学特性较为单一，无法实现时空信息编码和脉冲编码功能，且工作方式单一。从硬件系统功能的角度来看，当前的视觉感存算集成阵列主要支持人工神经网络或脉冲神经网络的单一算法，难以兼容不同类型的神经网络算法，因此有必要实现一种既适应仿生又适应机器学习的感存算一体硬件架构，以构建具有可重构性和多类型算法兼容的视觉计算硬件系统。
针对光忆阻器工作模式单一的局限性，北京大学集成电路学院/集成电路高精尖创新中心黄如院士-杨玉超教授课题组首次利用硅基兼容性工艺和材料成功制备了多模式忆阻器。该忆阻器能够在三种工作模式下运行：线性电阻、阈值开关转变和短时程记忆。此外，为了解决硬件集成阵列在光感知与编码能力上的局限性以及线性计算的不足，研究团队将具有多种工作模式的莫特氧化物忆阻器与具备蓝光增强和红光抑制特性的光晶体管进行了集成。这一创新实现了具有可重构特性的视觉感存算一体化集成阵列与硬件系统，拓展了当前视觉神经形态硬件集成阵列的可重构性，提升了硬件集成阵列的复杂信息处理能力以及硬件系统的算法兼容性。
相关成果以“Reconfigurable in-sensor processing based on a multi-phototransistor-one-memristor array”为题，发表于Nature Electronics期刊。北京大学集成电路学院/集成电路高精尖创新中心博士生毕业生党丙杰为第一作者，杨玉超教授为通讯作者。相关工作得到了国家重点研发计划、国家杰出青年基金、北京市双1+1重点项目、后摩尔重大研究计划等项目的资助。
