Integrazione omogenea di neuroni optoelettronici basati su materiali bidimensionali e sinapsi ferrolettriche per la visione neuromorfica

Visione intelligente più vicina all'occhio

Le fotocamere e i computer attuali consumano molta energia spostando immagini avanti e indietro tra chip separati per il rilevamento, la memoria e l'elaborazione. Questo articolo descrive un nuovo tipo di piccolo «occhio elettronico» che combina questi tre ruoli in un unico materiale. Imitando il modo in cui la retina umana trasforma la luce in impulsi elettrici, i ricercatori mostrano una strada verso sistemi visivi compatti e a basso consumo che potrebbero aiutare automobili, robot e dispositivi portatili a vedere e reagire in tempo reale.

Perché la visione artificiale attuale spreca risorse

La maggior parte dei sistemi di visione digitale segue uno schema noto: un sensore cattura la luce, i dati vengono inviati alla memoria e un processore esegue i calcoli. Poiché questi componenti sono separati, le immagini grezze devono essere lette, spostate e riscritte ripetutamente, con costi in tempo ed energia. Questo diventa un problema serio per compiti come l'assistenza alla guida o i droni, dove è necessario analizzare video continui e veloci in periferia. Il cervello evita questo collo di bottiglia eseguendo un'elaborazione iniziale direttamente nella retina, dove cellule fotosensibili e connessioni nervose sono strettamente intrecciate. Gli autori mirano a portare una strategia simile «in-sensor» all'elettronica, usando componenti che parlano naturalmente in impulsi neurali anziché in segnali digitali convenzionali.

Un neurone sensibile alla luce costruito da un foglio di atomi

Al centro del lavoro c'è un neurone artificiale guidato dalla luce realizzato con disolfuro di molibdeno (MoS₂), un semiconduttore bidimensionale spesso solo pochi atomi. Quando la luce colpisce questo dispositivo, cariche rimangono intrappolate alla sua interfaccia e aumentano gradualmente l'uscita elettrica, in modo analogo a come il potenziale di membrana di un neurone biologico accumula segnali in arrivo. Una volta che questa uscita supera una soglia stabilita, un piccolo circuito costringe il dispositivo a emettere un breve impulso e quindi si resetta automaticamente, pronto per il successivo stimolo luminoso. Poiché lo stesso minuscolo transistor sia rileva la luce sia la integra nel tempo, non è necessario un condensatore ingombrante. Il neurone risponde a diversi colori (rosso, verde e blu) e può codificare le immagini in due modi utili: dalla frequenza degli impulsi emessi e dal tempo che trascorre prima del primo impulso dopo una variazione di luminosità.

Sinapsi elettroniche che ricordano

Per integrare i neuroni, il team realizza sinapsi artificiali—dispositivi la cui conduttanza elettrica può essere regolata e poi mantenuta. Queste si basano su transistor a effetto di campo ferrolettrici, dove uno strato di ossido speciale mantiene una polarizzazione elettrica interna anche dopo che la tensione di controllo è stata rimossa. Applicando una sequenza di brevi impulsi di tensione, la conduttanza di ogni sinapsi può essere aumentata o diminuita attraverso circa 50 livelli stabili, richiamando l'indebolimento e il rafforzamento delle connessioni tra neuroni reali durante l'apprendimento. Il progetto separa lo strato ferrolettrico dal canale principale con un buffer isolante, migliorando la stabilità e permettendo di regolare la finestra di memoria tramite la geometria. Le sinapsi operano come minuscoli resistori variabili, ideali per eseguire le operazioni di moltiplicazione e somma alla base del calcolo delle reti neurali.

Mettere insieme i pezzi per vedere e riconoscere

I ricercatori mostrano poi che sia i neuroni sia le sinapsi possono essere fabbricati da MoS₂ sullo stesso wafer, formando un array compatto in cui i neuroni fotosensibili alimentano i loro impulsi direttamente in una griglia di sinapsi con memoria. Una semplice scheda ospita l'elettronica rimanente dei neuroni. In test e simulazioni dettagliate, il sistema codifica prima pattern di colore in treni di impulsi e poi li classifica con una piccola rete neurale a impulsi, raggiungendo circa il 92% di accuratezza nei compiti base di riconoscimento dei colori. Spingendosi oltre, gli autori modellano una rete più ampia che usa il comportamento misurato dei dispositivi per rilevare veicoli e pedoni in immagini stradali. Dopo l'addestramento, questa rete basata su impulsi identifica correttamente gli oggetti in un dataset di guida circa il 94% delle volte, sfruttando le codifiche temporali e di frequenza intrinseche all'hardware per robustezza e rapidità.

Cosa significa per i futuri occhi elettronici

Unendo il rilevamento della luce, la codifica in stile neurale e la memoria sinaptica in una piattaforma a materiali bidimensionali, questo lavoro avvicina la visione neuromorfica a chip pratici in grado di vedere e decidere autonomamente. Il neurone in MoS₂ riproduce fedelmente comportamenti chiave delle cellule biologiche, e le sinapsi ferrolettriche offrono una memorizzazione dei pesi a grana fine e a basso consumo senza blocchi di memoria aggiuntivi. Sebbene la dimostrazione odierna sia limitata e dipenda ancora da circuiti esterni e dall'addestramento via software, i risultati suggeriscono che future fotocamere potrebbero incorporare direttamente strati di tali dispositivi nel sensore. Questo permetterebbe alle macchine di filtrare, riconoscere e reagire alle scene visive al volo, con molta meno energia rispetto allo spostamento di ogni pixel verso un processore distante.

Citazione: 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

Parole chiave: visione neuromorfica, reti neurali a impulsi, materiali bidimensionali, calcolo in-sensor, sinapsi ferrolettriche