Искусственный нейрон для распознавания объектов в ИК-диапазоне

Распознавание объектов в ближнем инфракрасном (NIR) диапазоне, особенно в любых погодных условиях, является критически важной задачей. Существующие системы, использующие фотодетекторы и классические алгоритмы, отличаются низкой энергоэффективностью. Исследователи из Китайской академии наук представили инновационное решение – искусственный сенсорный нейрон, основанный на инфракрасно-чувствительных волатильных мемристорах, который обещает повысить точность и энергоэффективность.

В рамках нового исследования, опубликованного в журнале Advanced Materials, команда под руководством доктора Ван Цзяхуна из Шэньчжэньского института передовых технологий разработала искусственный сенсорный нейрон. Он основан на гетероструктуре карбида/оксида ванадия (V2C/V2O5-x), созданной методом топохимической конверсии. Эта разработка обеспечивает многоцветный отклик в NIR-диапазоне и высокоточную идентификацию объектов даже в сложных условиях.

Ученые создали двумерную гетероструктуру V2C/V2O5-x с естественным интерфейсом слияния. Это было достигнуто путем точного контролируемого слабого окисления V2CTx. Интеграция металлического V2C и диэлектрического V2O5-x, обогащенного вакансиями, наделила гетероструктуру чувствительностью к NIR-излучению и способностью к пороговому волатильному переключению сопротивления (RS).

Мемристор V2C/V2O5-x продемонстрировал стабильную волатильность с низкими коэффициентами вариации напряжения установления (set voltage) и сброса (reset voltage), составляющими всего 1,62% и 1,7% соответственно. Пороговое напряжение эффективно регулировалось плотностью мощности и длиной волны NIR-света. Корреляция между длиной волны и пороговым напряжением срабатывания соответствовала фотоэлектрическому отклику, демонстрируя управляемый фотонными параметрами фотоэлектрический контроль мемристора V2C/V2O5-x.

«Наша фотоэлектрическая программируемость позволяет осуществлять многоцветную инфракрасную дискриминацию через характерные сигнатуры порогового напряжения. Различные отклики на длину волны могут быть закодированы в искусственном сенсорном нейроне для распознавания объектов в ближнем инфракрасном диапазоне», – отметил доктор Ван.

На основе характеристик RS, модулируемых многоцветным NIR-излучением, и модели алгоритма YOLOv7, архитектура искусственной нейронной сети достигла средней точности распознавания автомобилей на уровне 89,6% и людей – 85,9% на наборе данных FLIR. Это исследование представляет собой перспективную нейроморфную систему на базе мемристоров, которая значительно повышает эффективность и точность обнаружения и распознавания объектов, открывая путь к прогрессу в области автономных систем, робототехники и интеллектуальных сред.