新型可编程遗忘传感器研发,显著降低边缘AI能耗
近期,美国俄勒冈州立大学Larry Cheng助理教授团队研发出一种受人类大脑突触机制启发的新型成像传感器。该器件创新性地将有机吸光层与透明氧化铟镓锌晶体管相结合,实现光吸收与电荷传输的功能分离。传统相机捕捉图像后需立即将数据传送至独立存储与处理器,而该新型传感器能在感测光信号的同时直接保留近期光照信息,并通过施加正负电压精准调控信息遗忘速率:正电压加速记忆衰减,负电压则可延长记忆至小时级。 这一可编程遗忘机制有效突破了传统冯诺依曼架构的存储墙瓶颈,使器件具备在传感器端直接完成基础视觉计算的能力,从源头规避了数据频繁搬运引发的高能耗问题。实验验证显示,该器件在低于零点五微瓦每平方厘米的极弱光下即可稳定成像,功耗较同类有机器件降低两个数量级;在模拟人工神经网络手写数字分类任务中,分类准确率突破百分之九十且对硬件参数波动具备良好容错性。 目前原型器件已证实光电协同调制与低功耗优势。该技术通过动态编程记忆时长,可灵活适配高速目标跟踪与慢速行为监控等差异化视觉任务,为未来机器人、无人机及边缘人工智能设备的视觉系统升级提供了高效硬件路径。相关研究成果已发表于Advanced Functional Materials期刊。
