Homogene Integration von optoelektronischen Neuronen aus zweidimensionalen Materialien und ferroelektrischen Synapsen für neuromorphe Vision

Intelligente Sicht näher am Auge

Heutige Kameras und Rechner verbrauchen viel Energie, weil Bilder ständig zwischen getrennten Chips für Sensorik, Speicher und Verarbeitung hin‑ und hergeschickt werden. In dieser Arbeit wird eine neue Art von kleinem „elektronischem Auge“ beschrieben, das alle drei Aufgaben in einem Material vereint. Indem die Forscher nachahmen, wie die menschliche Netzhaut Licht in elektrische Spikes umwandelt, zeigen sie einen Weg zu kleinen, energieeffizienten Sichtsystemen, die Autos, Roboter und tragbare Geräte in die Lage versetzen könnten, in Echtzeit zu sehen und zu reagieren.

Warum aktuelle maschinelle Vision Aufwand verschwendet

Die meisten digitalen Visionsysteme folgen einem vertrauten Muster: Ein Kamerasensor erfasst Licht, die Daten werden in den Speicher übertragen, und ein Prozessor rechnet die Bilder aus. Weil diese Teile getrennt sind, müssen Rohbilder immer wieder gelesen, bewegt und neu geschrieben werden, was Zeit und Energie kostet. Das wird zu einem ernsten Problem bei Aufgaben wie Fahrerassistenz oder Drohnen, wo kontinuierlich und schnell Video am Rand ausgewertet werden muss. Das Gehirn vermeidet diesen Flaschenhals, indem es frühe Verarbeitung direkt in der Netzhaut durchführt, wo lichtempfindliche Zellen und Nervenschaltungen eng verflochten sind. Die Autorinnen und Autoren verfolgen das Ziel, eine ähnliche „In‑Sensor“-Strategie in die Elektronik zu bringen, mit Hardware, die natürlicherweise in neuronalen Spikes statt in konventionellen digitalen Signalen kommuniziert.

Ein lichtempfindlicher Neuron aus einer Atomlage

Kernstück der Arbeit ist ein lichtgetriebener künstlicher Neuron aus Molybdändisulfid (MoS₂), einem zweidimensionalen Halbleiter von nur wenigen Atomlagen Dicke. Trifft Licht auf dieses Bauelement, werden Ladungen an seiner Grenzfläche eingefangen und erhöhen allmählich seinen elektrischen Ausgang – ähnlich wie das Membranpotenzial eines biologischen Neurons eingehende Signale aufbaut. Sobald dieser Ausgang einen festgelegten Schwellenwert überschreitet, erzwingt eine kleine Schaltung, dass das Bauteil einen kurzen Spike aussendet und sich dann automatisch zurücksetzt, bereit für die nächste Lichtladung. Da derselbe winzige Transistor sowohl Licht detektiert als auch dieses über die Zeit akkumuliert, wird kein sperriger Kondensator benötigt. Das Neuron reagiert auf verschiedene Farben (Rot, Grün und Blau) und kann Bilder auf zwei nützliche Arten kodieren: durch die Häufigkeit seiner Spikes und durch die Wartezeit bis zu seinem ersten Spike nach einer Helligkeitsänderung.

Elektronische Synapsen, die sich merken

Als Ergänzung zu den Neuronen bauen die Forschenden künstliche Synapsen – Bauelemente, deren elektrische Leitfähigkeit einstellbar ist und anschließend erhalten bleibt. Diese basieren auf ferroelektrischen Feldeffekttransistoren, bei denen eine spezielle Oxidschicht eine interne elektrische Polarisation behält, auch nachdem die Steuerspannung entfernt wurde. Durch das Anlegen einer Folge kurzer Spannungspulse lässt sich die Leitfähigkeit jeder Synapse in etwa 50 stabilen Stufen nach oben oder unten schalten, was die Stärkeveränderung neuronaler Verbindungen beim Lernen nachahmt. Das Design trennt die ferroelektrische Schicht vom Hauptkanal durch einen isolierenden Puffer, was die Stabilität verbessert und das Speicherfenster durch Geometrieanpassung beeinflussbar macht. Die Synapsen funktionieren wie winzige veränderliche Widerstände, ideal für die Multiply‑and‑Add‑Operationen, die neuronale Netzberechnungen ausmachen.

Die Bausteine zusammenfügen zum Sehen und Erkennen

Die Forschenden zeigen dann, dass sowohl Neuronen als auch Synapsen aus MoS₂ auf demselben Wafer gefertigt werden können und ein kompaktes Array bilden, in dem lichtempfindliche Neuronen ihre Spikes direkt in ein Gitter speichernder Synapsen einspeisen. Auf einer einfachen Leiterplatte sitzt die verbleibende Neuronen‑Elektronik. In Tests und detaillierten Simulationen kodiert das System zunächst Farbmuster in Spike‑Züge und klassifiziert diese dann mit einem kleinen spikenden neuronalen Netz, wobei es bei grundlegenden Farb­erkennungsaufgaben etwa 92 % Genauigkeit erreicht. Weitergehend modellieren die Autorinnen und Autoren ein größeres Netz, das das gemessene Bauteilverhalten nutzt, um Fahrzeuge und Fußgänger in Straßenbildern zu erkennen. Nach dem Training identifiziert dieses spike‑basierte Netz Objekte in einem Fahrdatensatz in etwa 94 % der Fälle korrekt, wobei es weiterhin auf die im Hardwaredesign eingebetteten Zeit‑ und Ratenkodierungen für Robustheit und Tempo setzt.

Was das für zukünftige elektronische Augen bedeutet

Durch die Vereinigung von Lichtdetektion, neuronaler Kodierung und synaptischem Gedächtnis auf einer einzigen zweidimensionalen Materialplattform rückt diese Arbeit die neuromorphe Vision näher an praktikable Chips, die eigenständig sehen und entscheiden können. Das MoS₂-Neuron bildet wesentliche Verhaltensweisen biologischer Zellen nach, und die ferroelektrischen Synapsen liefern fein abgestufte, energiearme Gewichtsspeicherung ohne zusätzliche Speicherblöcke. Auch wenn die heutige Demonstration noch klein ist und weiterhin externe Schaltungsteile sowie Training in Software benötigt, deuten die Ergebnisse darauf hin, dass künftige Kameras Schichten solcher Bauelemente direkt im Sensor integrieren könnten. Das würde Maschinen erlauben, visuelle Szenen in Echtzeit zu filtern, zu erkennen und darauf zu reagieren – mit deutlich weniger Energieaufwand als beim Hin‑und‑Herschicken jedes Pixels zu einem entfernten Prozessor.

Zitation: Wang, J., Liu, K., Tiw, P.J. et al. Homogeneous integration of two-dimensional material-based optoelectronic neurons and ferroelectric synapses for neuromorphic vision. Nat Commun 17, 2538 (2026). https://doi.org/10.1038/s41467-026-68905-3

Schlüsselwörter: neuromorphe Vision, spikende neuronale Netze, zweidimensionale Materialien, In‑Sensor‑Computing, ferroelektrische Synapsen