Jednorodna integracja neuronów optoelektronicznych opartych na materiałach dwuwymiarowych i ferroelectricznych synaps do widzenia neuromorficznego

Mądrzejsze widzenie bliżej oka

Współczesne aparaty i komputery zużywają dużo energii, przesyłając obrazy tam i z powrotem między oddzielnymi układami czujników, pamięci i przetwarzania. W artykule opisano nowy rodzaj małego „elektronicznego oka”, które łączy wszystkie trzy funkcje w jednym materiale. Naśladując sposób, w jaki siatkówka przekształca światło w elektryczne impulsy, badacze pokazują drogę do małych, energooszczędnych systemów widzenia, które mogłyby pomóc samochodom, robotom i urządzeniom przenośnym widzieć i reagować w czasie rzeczywistym.

Dlaczego obecne systemy widzenia marnują zasoby

Większość cyfrowych systemów wizyjnych stosuje znany schemat: czujnik rejestruje światło, dane są przesyłane do pamięci, a procesor wykonuje obliczenia. Ponieważ te elementy są oddzielone, surowe obrazy muszą być wielokrotnie odczytywane, przenoszone i zapisywane, co kosztuje czas i energię. Staje się to poważnym problemem w zadaniach takich jak systemy wspomagania kierowcy czy drony, gdzie konieczna jest szybka, ciągła analiza wideo na brzegu sieci. Mózg unika tego wąskiego gardła, wykonując wczesne przetwarzanie bezpośrednio w siatkówce, gdzie komórki światłoczułe i połączenia nerwowe są ściśle ze sobą powiązane. Autorzy dążą do przeniesienia podobnej strategii „w czujniku” do elektroniki, używając sprzętu, który naturalnie komunikuje się za pomocą impulsów nerwowych zamiast konwencjonalnych sygnałów cyfrowych.

Neuron wrażliwy na światło zbudowany z jednowarstwowego materiału

W centrum pracy znajduje się napędzany światłem sztuczny neuron wykonany z dwusiarczku molibdenu (MoS₂), półprzewodnika dwuwymiarowego o grubości kilku atomów. Gdy światło pada na to urządzenie, ładunki zostają uwięzione na jego granicy i stopniowo podnoszą sygnał elektryczny, podobnie jak potencjał błony neuronu biologicznego narasta wskutek napływających sygnałów. Gdy sygnał przekroczy ustalony próg, niewielki obwód wymusza wygenerowanie krótkiego impulsu, po czym urządzenie automatycznie się resetuje, gotowe na kolejną dawkę światła. Ponieważ ten sam malutki tranzystor jednocześnie wykrywa światło i akumuluje je w czasie, nie jest potrzebny duży kondensator. Neuron reaguje na różne kolory (czerwony, zielony i niebieski) i może kodować obrazy na dwa przydatne sposoby: przez częstotliwość wystrzałów impulsów oraz przez czas oczekiwania do pierwszego impulsu po zmianie jasności.

Elektroniczne synapsy, które pamiętają

Aby dopełnić neurony, zespół konstruuje sztuczne synapsy — elementy, których przewodność elektryczna może być regulowana i przechowywana. Są one oparte na ferroelectricznych tranzystorach polowych, gdzie specjalna warstwa tlenku utrzymuje wewnętrzną polaryzację elektryczną nawet po usunięciu napięcia sterującego. Poprzez zastosowanie sekwencji krótkich impulsów napięciowych, przewodność każdej synapsy można stopniować w górę lub w dół na około 50 stabilnych poziomach, co odzwierciedla wzmacnianie i osłabianie połączeń między prawdziwymi neuronami podczas uczenia. Projekt oddziela warstwę ferroelektryczną od głównego kanału za pomocą izolacyjnej podkładki, co poprawia stabilność i pozwala dopasować okno pamięci przez geometrię. Synapsy działają jak małe rezystory o zmiennej wartości, idealne do przeprowadzania operacji mnożenia i dodawania, które leżą u podstaw obliczeń w sieciach neuronowych.

Złożenie elementów w system widzenia i rozpoznawania

Następnie badacze pokazują, że zarówno neurony, jak i synapsy można zbudować z MoS₂ na tej samej płytce krzemowej, tworząc zwartą macierz, w której neurony reagujące na światło przekazują swoje impulsy bezpośrednio do siatki synaps przechowujących pamięć. Prosta płytka drukowana mieści pozostałą elektronikę neuronów. W testach i szczegółowych symulacjach system najpierw koduje wzory kolorów w pociągi impulsów, a następnie klasyfikuje je za pomocą małej skokowej sieci neuronowej, osiągając około 92% dokładności w podstawowych zadaniach rozpoznawania kolorów. Idąc dalej, autorzy modelują większą sieć wykorzystującą zmierzone zachowanie ich urządzeń do wykrywania pojazdów i pieszych na obrazach drogowych. Po treningu sieć oparta na impulsach poprawnie identyfikuje obiekty w zestawie danych związanym z jazdą w około 94% przypadków, nadal korzystając z wbudowanych w sprzęt kodów czasowych i częstotliwościowych dla odporności i szybkości.

Co to oznacza dla przyszłych elektronicznych oczu

Łącząc wykrywanie światła, kodowanie w stylu neuronalnym i pamięć synaptyczną na jednej platformie z materiału dwuwymiarowego, praca ta przybliża widzenie neuromorficzne do praktycznych układów, które mogą widzieć i podejmować decyzje samodzielnie. Neuron z MoS₂ wiernie naśladuje kluczowe zachowania komórek biologicznych, a ferroelectriczne synapsy dostarczają drobnoziarniste, energooszczędne przechowywanie wag bez dodatkowych bloków pamięci. Chociaż dzisiejsza demonstracja jest niewielka i wciąż zależy od zewnętrznych układów oraz treningu w oprogramowaniu, wyniki sugerują, że przyszłe aparaty mogłyby zawierać warstwy takich urządzeń bezpośrednio w czujniku. Pozwoliłoby to maszynom filtrować, rozpoznawać i reagować na sceny wizualne na bieżąco, przy znacznie mniejszym zużyciu energii niż przesyłanie każdego piksela do oddalonego procesora.

Cytowanie: 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

Słowa kluczowe: widzenie neuromorficzne, sieci neuronowe skokowe, materiały dwuwymiarowe, obliczenia w czujniku, ferroelectriczne synapsy