近日，南京邮电大学材料科学与工程学院、有机电子与信息显示国家重点实验室在视觉拟态器件领域取得了最新研究进展。研究团队通过设计具有双重自适应能力的有机p-n异质结晶体管器件，可实现在复杂光线场景下对低比度图像（0.4%，超出人眼的识别极限）准确和快速的识别。相关成果以“Dual-adaptive Heterojunction Synaptic Transistors for Efficient Machine Vision in Harsh Lighting Conditions”为题发表在国际学术期刊Advanced Materials（《先进材料》）上。重点实验室凌海峰教授、解令海教授和黄维院士为论文共同通讯作者，博士后王一如为论文第一作者。
机器视觉系统由图像采集、预处理和分析模块组成，旨在像人类视觉系统一样完成光信息的探测、处理和识别功能，是自动驾驶、医疗成像和智能制造等新兴智能应用的研究重点。在获取图像数据时，实际场景中的光照不均匀、视场不稳定等复杂光环境，都将导致采集到的图像信息不甚理想。在下一阶段，虽然卷积神经网络（CNN）等深度学习算法为高精度识别奠定了基础，但底层硬件仍然是静态的，导致训练和学习过程非常耗时。因此，为降低硬件复杂度并提高图像处理效率，在预处理过程中，能够适应不同光照环境的光自适应神经形态器件至关重要；另一方面，具有二阶自适应性的突触再可塑性（Metaplasticity）使生物体能够根据经验自适应地调整学习率，从而提高学习效率；此外，单元器件的多功能集成能够增大集成规模、简化外部电路，并减小器件之间的数据传输延时。因此，具有双自适应能力的神经形态器件有望成为高效计算的突破口。然而，光照条件下光电器件中往往呈现出增大的电流，负光电导难以实现；且受限于电导态变化方向和程度的灵活调制问题，在单元器件中集成自适应的光电响应和再可塑性功能仍面临挑战。
针对上述挑战，团队提出了一种有机p-n异质结晶体管神经形态器件，以实现双自适应性。该器件的异质结内建电场和宽光谱响应为负光电导和光自适应阈值滑移提供了基础；利用高效的电荷俘获和异质结中p型与n型通道之间的切换，基于单极性电压依赖的可塑性(U-SVDP)完整地实现了突触再可塑性。光自适应性使得器件可以检测出低对比度图像（0.4%，超出人眼的识别极限）中的细节和边缘；同时，具有二阶自适应的再可塑性的器件实现，允许通过改变学习速率实现快速学习。将该器件用于构建滤波器和卷积神经网络，可完成复杂照明场景下的图像的预处理，识别精度可达到93.8%，且收敛速度显著提高（约5倍）。此工作为未来在复杂光环境下的神经形态视觉感内计算提供了新的策略和方案。
该项研究成果得到了国家重点研发计划、国家自然科学基金、江苏省优秀博士后人才资助计划和有机电子与信息显示国家重点实验室主任基金等项目的支持。研究工作也受到了王锦博士在薄膜表征方面的协助。
图：a）集成了图像预处理和识别功能的视觉系统示意图；b）光自适应阈值滑移、c）二阶自适应突触再可塑性和d）器件结构示意图
原文链接：https://doi.org/10.1002/adma.202404160
（撰稿：王一如 编辑：陈宁娜 审核：凌海峰）