Homogene integratie van opto-elektronische neuronen op basis van tweedimensionale materialen en ferro-elektrische synapsen voor neuromorfe visie

Slimme visie dichter bij het oog

De camera’s en computers van vandaag verbruiken veel energie aan het heen en weer verplaatsen van beeldgegevens tussen aparte chips voor detectie, geheugen en verwerking. Dit artikel beschrijft een nieuw soort klein "elektronisch oog" dat al deze taken in één materiaal combineert. Door na te bootsen hoe het menselijk netvlies licht omzet in elektrische spikes, tonen de onderzoekers een weg naar compacte, energiezuinige visiesystemen die auto’s, robots en draagbare apparaten in staat kunnen stellen om beelden in real time te zien en erop te reageren.

Waarom huidige machinevisie veel inspanning verspilt

De meeste digitale visiesystemen volgen een bekend recept: een camerasensor registreert licht, data worden naar geheugen verzonden en een processor voert de berekeningen uit. Omdat deze onderdelen gescheiden zijn, moeten ruwe beelden herhaaldelijk worden gelezen, verplaatst en weggeschreven, wat tijd en energie kost. Dit wordt een groot probleem voor taken zoals rijhulpsystemen of drones, waar snel en continu videobeeldmateriaal aan de rand geanalyseerd moet worden. De hersenen vermijden deze knelpunten door vroege verwerking direct in het netvlies uit te voeren, waar lichtgevoelige cellen en zenuwverbindingen nauw verweven zijn. De auteurs streven ernaar een vergelijkbare "in-sensor" strategie naar elektronica te brengen, met hardware die van nature in neurale spikes praat in plaats van in conventionele digitale signalen.

Een lichtgevoelige neuron gebouwd uit een vel atomen

Centraal in het werk staat een door licht aangedreven kunstmatige neuron gemaakt van molybdeendisulfide (MoS₂), een tweedimensionale halfgeleider van slechts enkele atomen dik. Wanneer licht dit apparaat raakt, raken ladingen gevangen bij het interface en verhogen ze geleidelijk het elektrische uitgangssignaal, vergelijkbaar met hoe het membraanpotentiaal van een biologisch neuron binnenkomende signalen opbouwt. Zodra dit uitgangssignaal een vaste drempel overschrijdt, dwingt een klein circuit het apparaat tot het uitzenden van een korte spike en zet het zich daarna automatisch terug, klaar voor de volgende lichtinpuls. Omdat dezelfde kleine transistor zowel licht detecteert als het over tijd accumuleert, is geen omvangrijke condensator nodig. De neuron reageert op verschillende kleuren (rood, groen en blauw) en kan beelden op twee nuttige manieren coderen: door hoe vaak het spikes afgeeft, en door hoe lang het wacht vóór de eerste spike na een verandering in helderheid.

Elektronische synapsen die onthouden

Ter aanvulling op de neuronen bouwt het team kunstmatige synapsen — apparaten waarvan de elektrische geleiding kan worden bijgesteld en vervolgens behouden. Deze zijn gebaseerd op ferro-elektrische veld-effect-transistoren, waarbij een speciale oxide-laag een interne elektrische polarisatie behoudt zelfs nadat de stuurspanning is verwijderd. Door een reeks korte spanningspulsen toe te passen, kan de geleiding van elke synaps trapje voor trapje omhoog of omlaag worden gebracht over ongeveer 50 stabiele niveaus, wat de versterking en verzwakking van verbindingen tussen echte neuronen tijdens leren weerspiegelt. Het ontwerp scheidt de ferro-elektrische laag van het hoofdkanaal met een isolerende buffer, wat de stabiliteit verbetert en het geheugenbereik laat aanpassen door geometrie. De synapsen werken als kleine variabele weerstanden, ideaal voor het uitvoeren van de vermenigvuldig‑en‑optel-bewerkingen die ten grondslag liggen aan neurale netwerkberekeningen.

De onderdelen samenvoegen voor zien en herkennen

De onderzoekers tonen vervolgens aan dat zowel neuronen als synapsen uit MoS₂ op dezelfde wafer kunnen worden gemaakt, waardoor een compact raster ontstaat waarin lichtgevoelige neuronen hun spikes direct in een netwerk van geheugenhoudende synapsen sturen. Een eenvoudige printplaat huisvest de resterende neuron‑elektronica. In tests en gedetailleerde simulaties codeert het systeem eerst kleurpatronen in spike‑treinen en classificeert ze daarna met een klein spiking neurale netwerk, met een nauwkeurigheid van ongeveer 92% bij basis kleurherkenningstaken. Verdergaand modelleren de auteurs een groter netwerk dat het gemeten apparaatsgedrag gebruikt om voertuigen en voetgangers in wegbeelden te detecteren. Na training identificeert dit spike‑gebaseerde netwerk objecten in een rijdataset in ongeveer 94% van de gevallen correct, terwijl het nog steeds vertrouwt op de ingebouwde timing‑ en frequentiecoderingen van de hardware voor robuustheid en snelheid.

Wat dit betekent voor toekomstige elektronische ogen

Door lichtdetectie, neurale codering en synaptisch geheugen te verenigen in een enkel tweedimensionaal materiaalplatform, brengt dit werk neuromorfe visie dichter bij praktische chips die zelfstandig kunnen zien en beslissen. De MoS₂-neuron kopieert nauwkeurig belangrijke gedragingen van biologische cellen, en de ferro-elektrische synapsen bieden fijnmazige, energiezuinige gewichtsopslag zonder extra geheugenblokken. Hoewel de demonstratie van vandaag klein is en nog afhankelijk van externe elektronica en training in software, suggereren de resultaten dat toekomstige camera’s lagen van dergelijke apparaten direct in de sensor kunnen opnemen. Dat zou machines in staat stellen visuele scènes ter plekke te filteren, herkennen en erop te reageren, met veel minder energie dan het verzenden van elke pixel naar een afstandelijke processor.

Bronvermelding: 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

Trefwoorden: neuromorfe visie, spiking neurale netwerken, tweedimensionale materialen, in-sensor computing, ferro-elektrische synapsen