Homogen integration av tvådimensionella materialbaserade optoelektroniska neuroner och ferroelektriska synapser för neuromorfisk vision

Smart syn närmare ögat

Dagens kameror och datorer förbrukar mycket energi när bilder skickas fram och tillbaka mellan separata chip för sensning, minne och bearbetning. Denna artikel beskriver en ny typ av liten ”elektronisk öga” som förenar alla tre funktioner i ett enda material. Genom att efterlikna hur den mänskliga retinan omvandlar ljus till elektriska spikar visar forskarna en väg mot små, energieffektiva visionssystem som kan hjälpa bilar, robotar och bärbara enheter att se och reagera i realtid.

Varför nuvarande maskinsyn slösar energi

De flesta digitala visionsystem följer ett välkänt recept: en kamerasensor registrerar ljus, data skickas till minne och en processor räknar på dem. Eftersom dessa delar är separata måste råbilder läsas upprepade gånger, flyttas och skrivas om, vilket kostar tid och energi. Det blir ett allvarligt problem för uppgifter som förarassistans eller drönare, där snabb, kontinuerlig video måste analyseras vid kanten. Hjärnan undviker denna flaskhals genom att göra tidig bearbetning direkt i retinan, där ljuskänsliga celler och nervkopplingar är tätt sammanvävda. Författarna vill ta en liknande ”in-sensor”-strategi till elektroniken, med hårdvara som naturligt kommunicerar i neurala spikar snarare än konventionella digitala signaler.

En ljuskänslig neuron byggd av ett atomlager

I kärnan av arbetet finns en ljusdriven artificiell neuron gjord av molybden-disulfid (MoS₂), en tvådimensionell halvledare bara några atomlager tjock. När ljus träffar enheten fångas laddningar upp vid dess gränsyta och höjer gradvis dess elektriska utsignal, ungefär som en biologisk neurons membranpotential som bygger upp inkommande signaler. När utsignalen passerar en uppsatt tröskel tvingar en liten krets enheten att avge en kort spik och återställs sedan automatiskt, redo för nästa ljusimpuls. Eftersom samma lilla transistor både känner av ljus och ackumulerar det över tid behövs ingen klumpig kondensator. Neuronen svarar på olika färger (rött, grönt och blått) och kan koda bilder på två användbara sätt: genom hur ofta den avger spikar och genom hur lång tid den väntar innan sin första spik efter en ljusförändring.

Elektroniska synapser som minns

För att komplettera neuronerna bygger teamet artificiella synapser—enheter vars elektriska ledningsförmåga kan justeras och sedan bibehållas. Dessa baseras på ferroelektriska fälteffekttransistorer, där ett särskilt oxidlager behåller en intern elektrisk polarisering även efter att styrspänningen tagits bort. Genom att applicera en följd av korta spänningspulser kan ledningsförmågan hos varje synaps stegas upp eller ner över ungefär 50 stabila nivåer, vilket påminner om förstärkning och försvagning av kopplingar mellan verkliga neuroner under inlärning. Konstruktionen separerar det ferroelektriska lagret från huvudkanalen med en isolerande buffert, vilket förbättrar stabiliteten och tillåter att minnesfönstret justeras genom geometrin. Synapserna fungerar som små variabla resistorer, idealiska för att utföra de multiplicera‑och‑addera‑operationer som ligger till grund för beräkning i neurala nätverk.

Sätta ihop delarna för att se och känna igen

Forskarna visar sedan att både neuroner och synapser kan byggas av MoS₂ på samma wafer, och bildar en kompakt matris där ljussensorerna matar sina spikar direkt in i ett rutnät av minnesbärande synapser. Ett enkelt kretskort rymmer den återstående neuron-elektroniken. I tester och detaljerade simuleringar kodar systemet först färgmönster till spikserier och klassificerar dem därefter med ett litet spikande neuralt nätverk, och når omkring 92 % noggrannhet i grundläggande färgigenkänningsuppgifter. Vidare modellerar författarna ett större nätverk som använder deras mätta enhetsbeteende för att upptäcka fordon och fotgängare i väg-bilder. Efter träning identifierar detta spikbaserade nätverk objekt i ett kördataset korrekt ungefär 94 % av gångerna, samtidigt som det förlitar sig på hårdvarans inbyggda tids- och frekvenskoder för robusthet och snabbhet.

Vad detta betyder för framtida elektroniska ögon

Genom att förena ljussensing, neuralliknande kodning och synaptiskt minne i en enda tvådimensionell materialplattform förflyttar detta arbete neuromorfisk vision närmare praktiska chip som kan se och fatta beslut på egen hand. MoS₂-neuronen efterliknar centrala beteenden hos biologiska celler, och de ferroelektriska synapserna ger finfördelad, låg‑energilagring av vikter utan extra minnesblock. Även om dagens demonstration är liten och fortfarande förlitar sig på extern elektronik och träning i mjukvara, antyder resultaten att framtida kameror kan införliva lager av sådana enheter direkt i sensorn. Det skulle göra det möjligt för maskiner att filtrera, känna igen och reagera på visuella scener i realtid med avsevärt mindre energi än att skicka varje pixel till en avlägsen processor.

Citering: 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

Nyckelord: neuromorfisk vision, spikande neurala nätverk, tvådimensionella material, in-sensor-beräkning, ferroelektriska synapser