近日，Nature Electronics网站在线发表香港理工大学柴扬教授与研究所何毓辉、缪向水教授等联合研究成果“Computational event-driven vision sensors for in-sensor spiking neural network”。

近年来，基于新兴电子器件的神经形态计算研究是一个重要前沿方向。在计算范式方面，它突破了传统计算机的两大基石概念（图灵机与冯诺依曼架构），不仅拥有类似人脑的自主学习能力，而且它存算一体的新架构能够革命性提升硬件能效，因此被认为是下一代计算机的有力候选者。

在该领域，同时利用器件的光电响应特性与非易失电导调制特性，实现感存算一体的新型计算范式，尤其引发研究关注。然而，近年来相关工作主要聚焦在基于“模拟运算”的感存算一体器件与芯片实现（Nature, 579, 62 (2020)），而已知生物大脑是采取“脉冲”形式做运算的，那么是否可能从硬件层面研发基于脉冲的感存算一体器件与架构实现呢？这种新范式既可以实现更类生的“事件驱动”型人工智能，又以其感存算一体的新范式革命性降低硬件开销并提升能效比。

本研究工作受近年出现的一种新型传感器即“动态视觉传感器”启发，构建了基于分裂式浮栅WSe2晶体管的差分对单元，由此获得了仅对光强变化敏感而对静态光场无响应的光电传感单元，该单元对光强增大或减小分别产生正、负脉冲响应：

该研究进一步通过分裂栅调控器件PN结的等效电掺杂，能够调制光电响应的强度，且由于浮栅调制效应的非易失性，获得了非易失的光电调制效果：

基于上述可调制的光电响应且调制结果非易失的器件性能突破，该研究工作进一步制备了3×3×2单元阵列，并演示了动作识别效果：

图3：实验制备3×3单元阵列并演示工作识别

该研究工作得到了科技部国家重点研发计划“大规模、高能效的存算一体系统”、国家自然科学基金“后摩尔时代新器件基础研究”重大研究计划“基于阻变随机突触阵列的概率计算芯片研究”、面上项目等的资助。华中科技大学集成电路学院博士生周越为论文第一作者，港理工柴扬教授、我院何毓辉教授为共同通讯作者。