11月13日，Nature Electronics網站在線發表香港理工大學柴揚教授與我院何毓輝教授團隊聯合研究成果“Computational event-driven vision sensors for in-sensor spiking neural network”。
近年來，基于新興電子器件的神經形态計算研究是一個重要前沿方向。在計算範式方面，它突破了傳統計算機的兩大基石概念（圖靈機與馮諾依曼架構），不僅擁有類似人腦的自主學習能力，而且它存算一體的新架構能夠革命性提升硬件能效，因此被認為是下一代計算機的有力候選者。
在該領域，同時利用器件的光電響應特性與非易失電導調制特性，實現感存算一體的新型計算範式，尤其引發研究關注。然而，近年來相關工作主要聚焦在基于“模拟運算”的感存算一體器件與芯片實現（Nature, 579, 62 (2020)），而已知生物大腦是采取“脈沖”形式做運算的，那麼是否可能從硬件層面研發基于脈沖的感存算一體器件與架構實現呢？這種新範式既可以實現更類生的“事件驅動”型人工智能，又以其感存算一體的新範式革命性降低硬件開銷并提升能效比。
本研究工作受近年出現的一種新型傳感器即“動态視覺傳感器”啟發，構建了基于分裂式浮栅WSe2晶體管的差分對單元，由此獲得了僅對光強變化敏感而對靜态光場無響應的光電傳感單元，該單元對光強增大或減小分别産生正、負脈沖響應：
圖1：基于分裂栅WSe2晶體管的差分對，及其對光強變化的脈沖響應
該研究進一步通過分裂栅調控器件PN結的等效電摻雜，能夠調制光電響應的強度，且由于浮栅調制效應的非易失性，獲得了非易失的光電調制效果：
圖2：通過分裂式浮栅調制器件PN結的等效電摻雜，獲得可調制的光電效應
基于上述可調制的光電響應且調制結果非易失的器件性能突破，該研究工作進一步制備了3×3×2單元陣列，并演示了動作識别效果：
圖3：實驗制備3×3單元陣列并演示工作識别
該研究工作得到了科技部國家重點研發計劃“大規模、高能效的存算一體系統”、國家自然科學基金“後摩爾時代新器件基礎研究”重大研究計劃“基于阻變随機突觸陣列的概率計算芯片研究”、面上項目等的資助。6774澳门永利博士生周越為論文第一作者，港理工柴揚教授、我院何毓輝教授為共同通訊作者。
